基于图像块的CNN架构，骨干+特征融合+YOLO解耦头，To Be Transformer
Info
基于可增大感受野的残差空洞卷积模块，提高了空间特征的利用率，在不
降低模型实时性的同时显著提高了检测精度。
其次，通过对多尺度的特征进行跨阶段特征融合，提出了 SCAM 模块，提
高了特征融合效率与中大目标的检测精度。
最后，通过 SDCM 检测头解耦模块，缓解了分类和回归之间 的互斥矛
盾，进一步提高了检测性能。BackBone.py
基于图像块的特征提取Neck.py
基于图像块、注意力的特征融合Head.py
基于 类间-解耦头设计 的细分类做法。