本文基于 YOLOv13 官方仓库（iMoonLab/yolov13，ultralytics 8.3.63 fork） 实测整理，Windows/CPU 全程可跑。标准卷积有个隐含假设：3×3 感受野里的 9 个位置同等重要 。RFAConv（Receptive-Field Attention Convolution，2023）推翻了这个假设------先给感受野里每个位置打分，加权之后再卷积。本文把它替换进 v13n 的第 1 层下采样卷积，实测 +4,000 参数。
前言
卷积层改进的"替换式"玩法：本文的候选是 RFAConv，出自论文《RFAConv: Innovating Spatital Attention and Standard Convolution》（2023），官方源码 github.com/Liuchen1997/RFAConv。它是"空间注意力 + 标准卷积"的融合体：注意力不再作用在特征图上，而是作用在卷积核的感受野内部 。替换点选在 v13n backbone 的层 1（输入 16 通道 @320×320 → 输出 32 通道 @160×160），与普通 stride-2 卷积的输入输出完全对齐。
专栏目录 ：YOLOv13改进目录一览
一、替换点分析
yaml
backbone:
- [-1, 1, Conv, [64, 3, 2]] # 0-P1/2
- [-1, 1, Conv, [128, 3, 2, 1, 2]] # 1-P2/4 ← 本文替换这一层
...层数不变，无顺移。层 1 的输入 16 通道、输出 32 通道、stride 2------RFAConv 官方实现支持 stride 参数（k=3, s=2 时输出恰为输入的一半，本文已数值验证），可直接对齐。
二、RFAConv 原理
- 动机 ：空间注意力（CBAM 的空间分支等）回答"特征图上哪个位置重要"，但卷积核滑窗内部------即感受野的 9 个位置------始终被同等对待。感受野内部的差异信息被池化/下采样给抹掉了；
- RFAConv 的三步 ：
- 打分：AvgPool 采样 + 分组 1×1 卷积，为每个感受野生成 k² 个权重，softmax 归一化------"这 9 个位置谁重要"；
- 提特征：分组 3×3 卷积把每个感受野展开成 k² 个特征片，乘上权重；
- 重排 + 卷积 ：把加权后的特征片按空间顺序重排回大图（等价于官方的
rearrange('b c (n1 n2) h w -> b c (h n1) (w n2)')），再做一次标准卷积输出；
- 效果：感受野内部的位置信息被显式保留和加权，而标准卷积把 9 个位置压成一组共享权重。
三、实现代码
由官方 Liuchen1997/RFAConv 等价适配 ：官方用 einops.rearrange 做空间重排，本文以 view/permute 等价替换，已做同权重输出逐位比对（320×320 输入下 max diff = 0）：
python
import torch
import torch.nn as nn
class RFAConv(nn.Module):
"""RFAConv 感受野注意力卷积 (Liu et al., 2023)，官方等价适配版。
输出空间尺寸 = 输入 / stride（k=3, s=2 时与普通 stride-2 卷积对齐，
可直接替换下采样卷积）。
"""
def __init__(self, c1, c2, kernel_size=3, stride=1):
super().__init__()
self.kernel_size = kernel_size
self.get_weight = nn.Sequential(
nn.AvgPool2d(kernel_size=kernel_size, padding=kernel_size // 2, stride=stride),
nn.Conv2d(c1, c1 * (kernel_size ** 2), kernel_size=1, groups=c1, bias=False))
self.generate_feature = nn.Sequential(
nn.Conv2d(c1, c1 * (kernel_size ** 2), kernel_size=kernel_size,
padding=kernel_size // 2, stride=stride, groups=c1, bias=False),
nn.BatchNorm2d(c1 * (kernel_size ** 2)),
nn.ReLU())
self.conv = nn.Sequential(
nn.Conv2d(c1, c2, kernel_size=kernel_size, stride=kernel_size))
def forward(self, x):
b, c = x.shape[0:2]
weight = self.get_weight(x)
h, w = weight.shape[2:]
weighted = weight.view(b, c, self.kernel_size ** 2, h, w).softmax(2)
feature = self.generate_feature(x).view(b, c, self.kernel_size ** 2, h, w)
weighted_data = feature * weighted
# 等价于官方 rearrange('b c (n1 n2) h w -> b c (h n1) (w n2)')
conv_data = weighted_data.view(b, c, self.kernel_size, self.kernel_size, h, w)
conv_data = conv_data.permute(0, 1, 4, 2, 5, 3).reshape(
b, c, h * self.kernel_size, w * self.kernel_size)
return self.conv(conv_data)注意签名与 Conv 对齐（c1 自动传入，c2/k/s 来自 yaml），注册用卷积类分支（c2 宽度缩放）。
四、添加步骤（v13 版）
1. 修改 ultralytics/nn/modules/conv.py
RFAConv 类粘贴到 conv.py 末尾。
2. 修改 ultralytics/nn/modules/__init__.py
from .conv import (...) 里追加 RFAConv,；__all__ 里给最后一项 "DSConv" 补逗号后追加 "RFAConv"。
3. 修改 ultralytics/nn/tasks.py
顶部导入块加 RFAConv；parse_model() 里新增卷积类分支（c2 宽度缩放）：
python
elif m is RFAConv: # 卷积类：c1 自动传入，c2 按宽度系数缩放
c1 = ch[f]
c2 = args[0]
if c2 != nc:
c2 = make_divisible(min(c2, max_channels) * width, 8)
args = [c1, c2, *args[1:]]插入位置：elif m is FullPAD_Tunnel: 之后、else: 之前。
五、yaml 模型文件
只改第 1 层，其余与官方 yolov13.yaml 逐行一致：
yaml
# Ultralytics YOLOv13n + RFAConv 感受野注意力卷积 🚀
nc: 80
scales:
n: [0.50, 0.25, 1024]
s: [0.50, 0.50, 1024]
l: [1.00, 1.00, 512]
x: [1.00, 1.50, 512]
backbone:
# [from, repeats, module, args]
- [-1, 1, Conv, [64, 3, 2]] # 0-P1/2
- [-1, 1, RFAConv, [128, 3, 2]] # 1-P2/4 ★RFAConv（替换stride-2卷积，层数不变）
- [-1, 2, DSC3k2, [256, False, 0.25]]# 2
- [-1, 1, Conv, [256, 3, 2, 1, 4]] # 3-P3/8
- [-1, 2, DSC3k2, [512, False, 0.25]]# 4
- [-1, 1, DSConv, [512, 3, 2]] # 5-P4/16
- [-1, 4, A2C2f, [512, True, 4]] # 6
- [-1, 1, DSConv, [1024, 3, 2]] # 7-P5/32
- [-1, 4, A2C2f, [1024, True, 1]] # 8
head:
- [[4, 6, 8], 2, HyperACE, [512, 8, True, True, 0.5, 1, "both"]] # 9
- [-1, 1, nn.Upsample, [None, 2, "nearest"]] # 10
- [ 9, 1, DownsampleConv, []] # 11
- [[6, 9], 1, FullPAD_Tunnel, []] # 12
- [[4, 10], 1, FullPAD_Tunnel, []] # 13
- [[8, 11], 1, FullPAD_Tunnel, []] # 14
- [-1, 1, nn.Upsample, [None, 2, "nearest"]] # 15
- [[-1, 12], 1, Concat, [1]] # 16 cat backbone P4
- [-1, 2, DSC3k2, [512, True]] # 17
- [[-1, 9], 1, FullPAD_Tunnel, []] # 18
- [17, 1, nn.Upsample, [None, 2, "nearest"]] # 19
- [[-1, 13], 1, Concat, [1]] # 20 cat backbone P3
- [-1, 2, DSC3k2, [256, True]] # 21
- [10, 1, Conv, [256, 1, 1]] # 22
- [[21, 22], 1, FullPAD_Tunnel, []] # 23
- [-1, 1, Conv, [256, 3, 2]] # 24
- [[-1, 18], 1, Concat, [1]] # 25 cat head P4
- [-1, 2, DSC3k2, [512, True]] # 26
- [[-1, 9], 1, FullPAD_Tunnel, []] # 27
- [26, 1, Conv, [512, 3, 2]] # 28
- [[-1, 14], 1, Concat, [1]] # 29 cat head P5
- [-1, 2, DSC3k2, [1024,True]] # 30
- [[-1, 11], 1, FullPAD_Tunnel, []] # 31
- [[23, 27, 31], 1, Detect, [nc]] # 32 Detect(P3, P4, P5)六、成功运行结果
bash
yolo detect train model=yolov13n-RFAConv.yaml data=mydata.yaml epochs=100 imgsz=640 batch=16Python 方式：
python
from ultralytics import YOLO
model = YOLO("yolov13n-RFAConv.yaml").load("yolov13n.pt")
model.train(data="mydata.yaml", epochs=100, imgsz=640, batch=16)本文实测（YOLOv13 官方仓库，Windows CPU，v13n 结构，替换层 1）：
基线 yolov13n: 2,494,151 parameters, 6.5 GFLOPs（层1为 2,368 参数）
+RFAConv: 2,498,151 parameters, 6.7 GFLOPs（层1为 6,368 参数）
3 epochs completed. Results saved to runs\detect\v13_rfaconv_smoke✅ 断言全部通过：① 适配版与官方 RFAConv 同权重输出逐位一致（max diff = 0，einops 重排已等价替换）；② 第 1 层为
RFAConv，总参数量恰为基线 +4,000；③ 层数不变，整网 640 前向正常，3 轮冒烟训练正常收敛。
参数量分解（c1=16, c2=32, k=3, s=2）：
| 部件 | 参数量 | 说明 |
|---|---|---|
| get_weight 分组 1×1 | 144 | 感受野打分（16 组，每组 9 分） |
| generate_feature 分组 3×3 + BN | 1,584 | 感受野特征展开 |
| 输出卷积 3×3 | 4,640 | 重排后的标准卷积 |
| 合计 | 6,368（+4,000） |
| 模型 | Params | GFLOPs | 层1参数变化 | 说明 |
|---|---|---|---|---|
| YOLOv13n 基线 | 2,494,151 | 6.5 | 2,368 | 官方 stride-2 分组卷积 |
| +RFAConv | 2,498,151 | 6.7 | 6,368（+4,000） | 感受野内逐位置加权 |
七、总结
RFAConv 的三点记忆锚：注意力作用在感受野内部 （k² 个位置打分，而非整张特征图）、空间重排是关键一步 （把加权后的特征片拼回大图再卷积）、stride 由输出卷积的 stride=kernel_size 实现（k=3, s=2 恰好对齐下采样）。它与 CoordConv 同位替换层 1，两者互为对照：CoordConv 补"绝对位置感"，RFAConv 补"感受野内相对重要性"。
觉得有帮助的话，点赞收藏关注三连支持一下，评论区欢迎交流你的实验结果~
专栏目录：YOLOv13改进目录一览 专栏地址：YOLOv13改进专栏------持续更新各方向即插即用改进