059、YOLOv11改进-BiFPN加权双向特征金字塔替代PAN-FPN即插即用代码实现涨点实验昨天调了一晚上YOLOv11的neck部分，发现小目标召回率卡在0.73上不去。翻来覆去看了特征图可视化，PAN-FPN的简单拼接确实浪费了太多语义信息——高层特征和低层特征在融合时权重完全一样，这显然不合理。于是动手把BiFPN塞进去，今天早上一跑，mAP直接跳了2.1个点。为什么PAN-FPN不够用YOLOv11默认的PAN-FPN结构，说白了就是自顶向下和自底向上的两条路径简单相加。低层特征图分辨率高但语义弱，高层特征图语义强但分辨率低，直接等权相加等于让两个能力不对等的特征图强行握手。我做过实验，把P3层和P5层融合后的特征图单独拎出来看，响应值分布极其不均匀，高层特征几乎主导了融合结果。BiFPN的核心思路是给每条输入路径学一个可训练的权重，让网络自己决定该听谁的。而且它引入了跨层连接，P3可以直接跳到P5，跳过了中间层的信息损耗。这个设计在EfficientDet上验证过，搬到YOLOv11上效果同样明显。代码实现先改配置文件，在ultralytics/cfg/models/11/yolo11.yaml里把neck部分替换掉。注意这里有个坑，YOLOv11的配置文件结构跟v8不太一样，别直接复制v8的改法。# YOLOv11 with BiFPN