一、本文介绍🔥本文给大家介绍使用 FDFAM频域特征聚合模块 改进YOLOv11网络模型，利用频域特征聚合机制对可见光与红外特征，或不同层级特征之间的互补信息进行更充分的融合，使模型不仅能够在空间域关注目标位置，还能够在频域中挖掘纹理、边缘和结构响应，从而提升特征表达质量。通过其中的频域注意力机制，YOLOv11可以更有效地建立跨模态或跨特征之间的对应关系，减少信息冗余与冲突；同时，多尺度频域前馈融合策略还能增强模型对不同尺寸目标的感知能力，尤其有利于小目标、弱目标和复杂背景下的目标检测。其优势在于能够提升检测精度和定位稳定性，在低光照、遮挡、雨雾等复杂场景中表现更鲁棒，并且相较于传统空间域注意力，频域中的逐元素建模方式具有更高的计算效率，因此可以在尽量保持YOLOv11实时性的前提下，进一步增强其多模态融合能力和整体检测性能。🔥欢迎订阅我的专栏、带你学习使用最新-最前沿-独家YOLOv11创新改进！🔥YOLOv11专栏改进目录：YOLOv11改进专栏包含卷积、主干网络、各种注意力机制、检测头、损失函数、Neck改进、小目标检测、二次创新模块、C2PSA/C3k2二次创新改进、全网独家创新等创新点改进全新YOLOv11-发论文改进专栏链接：全新YOLOv11创新改进高效涨点+永久更新中（至少500+改进）+高效跑实验发论文本文目录一、本文介绍二、FDFAM频域特征聚合模块介绍2.1 FDFAM频域特征聚合模块结构图2.2FDFAM模块的作用：2.3 FDFAM模块的原理2.4FDFAM模块的优势三、完整核心代码四、手把手教你配置模块和修改tasks.py文件1.首先在ultralytics/nn/newsAddmodules创建一个.py文件2.在ultralytics/nn/newsAddmodules/__init__.py中引用3.修改tasks.py文件五、创建涨点yaml配置文件🚀创新改进1🔥: yolov11n_FDFAM.yaml🚀创新改进2🔥: yolov11n_FDFAM-2.yaml.yaml🚀创新改进3🔥: yolov11n_FDFAM-3.yaml.yaml六、正常运行二、FDFAM频域特征聚合模块介绍摘要：可见光-红外目标检测技术因其在弱光、雾天及雨天环境中的卓越性能而备受关注。然而在复杂场景中，不同传感器采集的可见光与红外模态数据存在信息不对称问题，可能导致跨模态融合效果欠佳，进而影响检测性能。现有方法多采用空间域变换器来捕获互补特征，却忽视了频域变换器在挖掘互补信息方面的优势。为解决这些问题，我们提出了一种名为FreDFT的频域融合变换器用于可见光-红外目标检测。该方法创新性地采用多模态频域注意力机制（MFDA）实现模态间互补信息挖掘，并通过混合尺度频域特征融合策略设计频域前馈层（FDFFL），以增强多模态特征表现。为消除模态间信息失衡，构建了跨模态全局建模模块（CGMM），实现像素级空间与通道维度的跨模态特征交互。此外，开发了局部特征增强模块（LFEM），通过多卷积层结构与通道洗牌技术强化多模态局部特征表征，从而提升特征融合效果。大量实验结果证实，与其它最先进方法相比，我们提出的FreDFT在多个公开数据集上均展现出优异性能。