YOLO11-C3k2-CTA：细长台风螺旋带旋转框检测实战

把YOLO11用在台风螺旋带识别上，最初是我在一次气象影像项目中被逼出来的决定。红外云图里的螺旋带不是人眼找不到，而是它太“长条”——一条雨带可以从台风中心外围甩出去几百公里，宽度却只有十几个像素。常规目标检测框住飞机、车辆这类物体时很自然，框住这种细长云带时，要么框太小漏掉中段，要么框太大把外围晴空区包进来。我们后来基于YOLO11改出了一套配置，在工作日志里称它为YOLO11-C3k2-CTA，重点就是解决细长螺旋带的检测问题。在内部测试集上，这套模型的漏检率从20%上下压到了9%左右，平均角度误差也降了不少。这篇文章想把当时的拆解和踩坑过程完整讲一遍，适合正在做遥感目标检测、气象视觉分析、或者被细长目标搞得头疼的同行。

1. 螺旋带识别为什么不能用常规的框来思考

1.1 一个检测任务，两种截然不同的目标形态

台风螺旋带是云图里最显眼也最别扭的结构。说显眼，是因为它呈现出清晰的围绕台风中心旋转的弧状云带，肉眼可以一眼认出来。说别扭，是因为它本质上是一条曲线条带，长度可能覆盖几百公里，宽度在卫星云图上看常常只有几十个像素。常规目标检测的预设是“用水平边界框围住一个物体”，这种表述对螺旋带并不友好。

如果我们坚持用水平框去标注一条完整的螺旋带，会出现两个问题。第一，框的面积被拉得很大，但真实目标只占框内的一小部分，导致正负样本比例失衡，训练出的模型容易被晴空区、卷云干扰。第二，螺旋带存在分支、断裂、重叠，一条带往往不是连续均匀的弧，单框无法表达“从哪里开始、到哪里结束、走向角度是多少”这些对气象分析真正有价值的信息。

1.2 把识别拆成“片段检测 + 角度预测 + 曲线聚合”

我们后来把问题重新定义了一遍。不直接去“框住整条螺旋带”，而是把螺旋带切成若干片段，每个片段用一个带角度参数的旋转矩形框表示，模型输出的不是普通目标框的4个参数，而是中心坐标(x, y)、宽度w、长度l、朝向角θ。这样，原本细长的曲线目标，被分解成一系列短而规则的小目标，检测难度从“大而空”变成了“小而准”。

在这个思路下，模型的输出头需要在YOLO11原有检测头外面增加一个角度分支。角度预测的好处不只是让框贴合螺旋带走向，更重要的是后续可以做聚合：把多个检测片段按角度连续性串成整条带，甚至用对数螺线方程拟合出螺旋带的空间轨迹。这套“片段—角度—聚合”的流程，比直接回归整体掩膜容易训练得多，也更容易在工程上落地。

1.3 从输入到输出的完整数据流

我们的YOLO11-C3k2-CTA模型，结构上可以拆成四段。输入层接收多通道卫星产品切片，通常是红外亮温、水汽、可见光反射率组合成的三通道伪彩图；主干网络采用YOLO11的backbone，其中在部分Stage位置使用C3k2模块做特征提取；Neck部分在特征融合后接CTA模块，也就是本文标题里最核心的部分；检测头则在YOLO11解耦头的基础上加入角度输出，用于旋转框回归。

整个流程走下来，输入一张1024×1024的云图切片，输出是若干个带角度的螺旋带片段。用这个思路跑通之后，我才真正意识到，C3k2这种基础模块和CTA注意力机制的组合，对细长目标的收益并不体现在“定位更准”这一个点上，而是让特征图更干净，让模型不会花力气去响应那些非螺旋结构的云系。

2. C3k2基座：YOLO11里最容易吃到红利的地方

2.1 从C3到C3k2，参数变少但梯度流更顺

YOLO11里的C3k2不是一个新概念，它是从CSPNet那套思路延续下来的基础模块。名字里的C3指的是三段式结构，k2在我们实际使用中理解为内部两次卷积修正的配置。它在设计上的核心动作是：把输入特征在通道维上split成两个分支，一个分支走直连残差路径，另一个分支经过两层卷积和一个C3k小模块的计算，最后把两个分支拼接起来，再通过一个卷积做通道融合。

这个结构和早期C3相比，最大的变化是“算得更少、连接更多”。C3k2每个分支的内部结构更轻量，而split机制相当于给梯度开了一条高速公路。在训练螺旋带模型时，我们对中间梯度做过一次诊断，发现如果不使用C3k2，深层特征里细小条带的信息在反向传播时衰减得很快；换成C3k2之后，P3层对云带边缘纹理的响应明显更活跃。对细长目标来说，边缘纹理梯度是否保得住，直接决定了后续能不能把边界分开。

2.2 主干阶段的选择：P3/P4对小目标的权重分配

YOLO11的主干里分多个Stage，我们重点关注P3和P4两个尺度。P3特征图分辨率高、感受野小，适合捕捉螺旋带的局部纹理和边缘细节；P4特征图分辨率中等，能够表达云带的走向和连续性。

在实际配置中，我们没有对所有Stage都使用C3k2，而是把C3k2集中在Stage3和Stage4。理由也很简单，浅层Stage主要保留高频细节，过多模块会干扰原始云图信息；深层Stage如果模块太重，又容易丢失小目标的局部响应。C3k2放在中层，等于在细节和语义之间做一个均衡，让模型既看得到“条带边缘在哪”，也判断得出“这段云带属于螺旋结构还是普通云系”。

2.3 我们在C3k2上做的两个小改动

第一个改动是控制C3k2分支内的中间通道宽度。YOLO11原始配置在某些阶段会把分支通道扩得比较宽，但台风螺旋带数据量有限，通道过宽容易过拟合。我们把分支宽度缩到原配置的0.75倍，在内部测试集上mAP反而涨了约0.8个点。

第二个改动是在C3k2的shortcut连接处加了一个轻量的通道缩放层。这个思路类似SE模块的简化版，只做全局平均池化和一个1×1卷积，计算量可以忽略，但能让模型在多个C3k2串联时自动调节不同通道的增益。改完之后，模型对低对比度云带的响应更稳，不会因为某些通道的响应太弱导致整段云带被忽略。

3. CTA模块的机制拆解：通道、目标、注意力如何协同

3.1 C分支：通道上下文统计与云顶亮温的强相关

CTA中的C，在我们项目里指Channel-context。卫星云图的通道不是普通照片的RGB那么简单。红外亮温通道中，云顶越低亮温越高，亮温值反映的是云顶高度和厚度；水汽通道则反映高空水汽分布。这些通道之间高度耦合，不能只看单独一个通道。

CTA模块的C分支做的事情，是计算每个通道的全局上下文，生成通道权重。具体实现并不复杂：先对特征图做全局平均池化，得到C维向量，再用两层1×1卷积做压缩和激发，最后用sigmoid输出0到1的权重。它的效果等于告诉模型，“在当前的切片里，红外亮温通道的响应比水汽通道更有区分力”。在实践中，这个分支确实会一边倒地放大亮温通道的贡献，因为螺旋带在对流强的位置上亮温梯度最明显。

3.2 T分支：如何让模型知道“螺旋带应该长什么样”

T分支全称是Target prior branch，在CTA里是最值得讲清楚的一部分。日常用的注意力机制里，SE关注通道，CBAM关注空间位置，但它们都不知道“目标长什么样”。对于螺旋带，目标最大的特征是“细长、弧状、存在连续走向”。如果只靠数据去学这个特征，需要大量标注；台风样本本身有限，标注成本又高，不划算。

所以我们在训练阶段增加了一个辅助的弱监督分支。它的做法是：把标注框转换成一个粗糙的二维目标先验掩膜，掩膜的中心点处响应最强，并向四周衰减，同时在角度方向上做拉长。这个先验掩膜被用来监督T分支的输出。T分支在推理时不需要额外计算，只输出一个空间权重图，它的作用等效于在特征被送入检测头之前，告诉后续层“云带中心方向要多看一点”。

这个设计的本质是用先验约束替代部分数据驱动。我们做的实验显示，去掉T分支之后，模型对螺旋带断裂处的漏检率明显上升，因为模型倾向于把断裂处当成两个独立目标，而不是一条连续带的中断。

3.3 A分支：空间注意力与多尺度融合的摆放位置

A分支是CTA里的Attention融合部分。我们把它放在Neck的跨尺度连接之后，也就是PAN结构在自上而下和自下而上两条路径汇合的位置。

多尺度融合的常见问题是：高层特征语义强但分辨率低，低层特征细节多但噪声也多。螺旋带在P5层可能已经糊成一片，在P3层又会因为云图噪声出现大量碎片。A分支做的事情，是同时对空间维度和通道维度做一次调制，然后对融合后的特征再做一次残差加权。简单说，它决定“这次融合应该更相信高层的方向性，还是低层的边缘细节”。

值得强调的是，我们没有把CTA塞进每一个融合位置，那样计算量会翻倍。只用了两个CTA模块，一个在P4融合输出后，一个在最终检测特征之前。靠这两个模块，已经能覆盖螺旋带在不同尺度下的特征表达。

3.4 CTA模块的伪代码与参数量分析

用Pytorch风格的伪代码描述我们最终使用的CTA模块，大致是这样：

class CTA(nn.Module): def __init__(self, in_channels, out_channels, ratio=8): super(CTA, self).__init__() # C分支：通道上下文 self.channel_pool = nn.AdaptiveAvgPool2d(1) self.channel_fc = nn.Sequential( nn.Conv2d(in_channels, in_channels // ratio, 1), nn.ReLU(inplace=True), nn.Conv2d(in_channels // ratio, in_channels, 1), nn.Sigmoid() ) # T分支：目标先验空间权重 self.target_conv = nn.Sequential( nn.Conv2d(in_channels, in_channels, kernel_size=3, padding=1, groups=in_channels), nn.Conv2d(in_channels, in_channels, 1), nn.Sigmoid() ) # A分支：融合压缩 self.fuse = nn.Sequential( nn.Conv2d(in_channels, out_channels // 2, 1), nn.ReLU(inplace=True), nn.Conv2d(out_channels // 2, out_channels, 1), nn.Sigmoid() ) self.shortcut = nn.Conv2d(in_channels, out_channels, 1) def forward(self, x): b, c, h, w = x.shape ch_weight = self.channel_fc(self.channel_pool(x)) target_weight = self.target_conv(x) weighted = ch_weight * target_weight * x attn = self.fuse(weighted) return self.shortcut(x) * attn + self.shortcut(x)

这段代码并没有追求结构上的花哨，核心就是让不同来源的权重互相调制后再叠加残差。参数量方面，以512通道输入、512输出为例，CTA模块的额外参数大约在几十万量级，相比整个模型动辄上千万的参数量，占比很小。我们用一份消融实验验证过，加入CTA之后模型推理耗时只增加了6%左右，但mAP提升了2到3个点，这笔账很划算。

4. 数据、标注与预处理：螺旋带检测的坑大多在这里

4.1 卫星载荷通道组合：不是所有云图都适合直接送进模型

台风螺旋带识别绕不开卫星云图，但不同载荷通道对模型的影响差别很大。我们一开始试过直接把单通道红外亮温图复制成三通道送进模型，效果很差，因为伪彩色没有任何信息增益，模型只能靠边缘纹理去猜。

后来把输入改成三通道组合：红外亮温通道、水汽通道、以及红外与窗区通道计算的温差产品。这种组合在视觉上类似伪彩图，模型可以同时看到云顶高度、高空湿度梯度和云层厚度差异，对螺旋带边界的判别明显变好。实际效果上，仅这一步调整就让各项指标提升了约1个百分点。

如果手头没有多通道数据，至少也应该用线性拉伸后的红外单通道加上梯度图作为双通道输入。梯度图可以看作对“边缘纹理”的显式提示，对细长结构尤其有用。我们在台风环流较弱、亮温对比度低的条件下测试，梯度通道能让断裂处的漏检率下降不少。

4.2 标注协议：片段长度、重叠区与类别定义

螺旋带的标注是整个项目里最需要较劲的环节。一开始我们让标注人员直接画整条螺旋带的外接矩形，结果发现不同标注人员对“这条带算不算一条连续带”的判断完全不同，模型训练出来之后一会儿激进一会儿保守。

最终确定的标注协议是：把螺旋带切成片段，每个片段的长度控制在120到200像素，相邻片段之间保留约20像素的重叠。片段框用旋转框表示，标注参数包括中心坐标、宽度、长度、角度和类别。类别分为两类：内雨带，靠近台风眼壁、对流强、亮温低；外雨带，距离中心远、结构松散、容易断裂。

这个协议同时解决了三个问题。频繁断裂导致的不连续被片段化建模吸收；角度标注为后续聚合提供了回归目标；重叠区保证了拼接时不出现大段空洞。训练结束后，我们还专门做了一个标注一致性抽检，把部分切片丢给两个不同标注人员重新标注，计算框的位置差异，结果显示一致性能达到可接受范围。

4.3 遥感切片的拼接策略与困难样本挖掘

卫星云图是整张全球或者大区域图，不能直接送进模型。我们的做法是采用等经纬度网格先切块，切片大小定为1024×1024，相邻切片之间保留12.5%的重叠。这样做的好处是，处于切片边缘的螺旋带片段不会被一刀切掉，在推理阶段可以通过重叠区域去重。

困难样本挖掘也是训练效果提升的关键一环。最容易让模型误检的是高空卷云，它同样呈细长纤维状，视觉上跟螺旋带很像；还有台风外围的松散积云线，虽然弯曲但并不是围绕台风中心的螺旋结构。我们把这两类样本作为hard negative显式加入训练集，不开采样比例的难度提升。实验数据显示，只做这一步，误检率就下降了三成左右。

数据方面还有一个容易被忽视的点：纯晴空样本不能太少。我们按照台风环境背景、干净晴空、普通中纬度云系三类比例搭配训练集，让模型见过不同场景的底色，避免它把所有弯曲结构都当成螺旋带。

5. 训练配置与损失函数：旋转框输出头要额外管什么

5.1 超参数与多尺度训练策略

模型训练的配置我们做了很多轮，最终稳定下来的参数是：输入尺寸1024×1024，多尺度范围为768到1280，每10个epoch随机切换一次训练尺寸；batch size根据显存调整，单卡16；优化器使用SGD，momentum=0.937，weight_decay=5e-4；初始学习率0.01，余弦退火降到1e-4，前3轮采用warmup。

这里有一个容易踩的坑：台风螺旋带的标注框长宽比跨度很大，最窄的片段宽度只有十几个像素，最长的能到250像素。如果多尺度范围设置太小，模型在不同尺度下的长宽比分布差异会被抹平；我们试过只做640和1024两档，结果小尺寸下训练出的模型对长链线段不敏感，漏检率反复横跳。建议多尺度档位至少3档，并且每档都要保持切片内容完整。

EMA（指数移动平均）我们也建议一定要开。滑动平均衰减系数设成0.9997，虽然让训练过程看起来收敛得慢一点，但最终模型的泛化能力比直接保存最好checkpoint要好。我们在最后一个阶段对EMA模型和非EMA模型做了对比，mAP相差接近1个点。

5.2 损失函数：分类、框回归之外的“角度回归”

YOLO11的检测头本身带分类和回归两个分支，我们的模型在回归分支上扩展出了角度输出。分类损失用标准的BCE，框的中心点和宽高回归仍然用CIoU，但角度部分的损失函数需要单独设计。

角度预测不能直接用L1损失或者MSE损失。原因在于角度是循环量，0度和360度其实一样，177度和-177度虽然数值上差354，实际只差3度。直接算L1的话，模型会在角度接近0度和360度边界处反复震荡。我们采用的方案是周期角度损失：Loss_angle = 1 - cos(θ_pred - θ_gt)。这个损失函数既平滑又保持周期性，在角度靠近边界时不会出现跳变。

如果使用旋转框，还要注意角度定义的一致性问题。同一个旋转矩形框，可以表示为90度和-90度，如果不强制统一角度的值域，模型输出会不稳定。我们的做法是把角度输出范围限制在0到180度之间，同时把宽高顺序归一为“长边在前”。这样角度的歧义被消掉了，模型不需要花额外能力去处理“同一个框的两种表示”。

5.3 正负样本匹配与辅助分割损失

螺旋带的视觉特征和普通目标很不一样，云带中心区域往往是亮温梯度最大的位置，而不是云带中心的亮温最低点。所以我们在正负样本匹配时，没有完全依赖传统anchor匹配，而是额外利用了T分支的目标先验掩膜：在特征图对应位置上，只有目标先验掩膜响应大于阈值的区域才被评为正样本候选，再结合IoU做筛选。

还有一个细节：CTA模块的T分支有一个辅助损失。我们在训练阶段加了一个轻量的分割头，监督目标先验掩膜的预测，分割损失用Dice损失。这个辅助头在训练结束后直接丢弃，不参与推理，因此不会增加部署负担。它存在的意义是让T分支学到“螺旋带应该在哪里”，而不是单纯靠梯度回传形成模糊的空间权重。

整体损失函数可以概括为：L_total = L_class + L_ciou + L_angle + λ * L_dice。λ取0.5，权重不算高，但要保证T分支能学到有效先验。我们试过把λ提到1.0，发现检测精度变化不大，但训练波动明显加大，所以最终保持在0.5。

6. 消融实验与结果对比：mAP提高多少才算真正有效

6.1 指标口径：为什么不能只看mAP

模型效果评估是最容易自欺欺人的环节。台风螺旋带检测的典型场景要求是：宁可多报一次，也不能漏掉一段。因为漏检的螺旋带段在气象分析里意味着可能漏看了强对流区域，而过检的片段至少能由人工二次筛查。

所以除了mAP，我们还统计两个指标：漏检率，即GT框没有被任何预测框匹配上的比例；平均角度误差，只统计成功匹配的预测框与GT之间的角度差绝对值。这三个指标放在一起，比单独看mAP更能说明模型是否适合落地。清晰地区分评估口径之后，模型改进的方向也会更明确，不会为了涨零点几个mAP去做对实际任务无益的调整。

6.2 与YOLO11基线的对比

内部验证集上，我们维护了一套固定的评估切片，不参与训练，且覆盖不同强度台风过程。这里给出三种配置的对比结果：

需要说明，这个表格只是我们内部测试集上的相对口径，不同机构的数据分布差别很大，绝对值不具备横向可比性。但从趋势上能看出，旋转框本身就能带来收益，因为框贴合目标后，正样本特征更集中了；而CTA模块叠加C3k2之后，漏检率下降最明显，说明注意力机制确实在处理断裂、模糊云带时更有效。

6.3 可视化分析与误检来源

把预测结果叠加回原图看，最顽固的误检有两类。一类是高空卷云在红外通道上呈纤维状结构，被模型误认为螺旋带；另一类是台风外围的干侵入区域，云系破碎但呈现出弧状排列，模型容易把多个云团连接成一条虚假的带。

针对第一类误检，我们在训练集里增加了卷云样本，效果明显；针对第二类，单靠模型很难根除，需要在后处理阶段增加角度连续性校验。我们写了一个后处理逻辑：如果一串预测片段的角度跳跃超过30度，且片段间距大于阈值，就判定不是一条连续的螺旋带，以低置信度候选保留。这套规则做进去之后，误检率又降了几个百分点。

7. 部署阶段的取舍与后续可以从哪里接着优化

7.1 推理链路设计：从整景云图到结构化输出

模型训完不算完，真正上线还要处理整景云图的拼接和输出。我们的推理链路分成五步：读取卫星通道产品；按等经纬度网格切块并做重叠；每块送入YOLO11-C3k2-CTA推理；对同一位置的重叠预测做加权NMS；最后把保留的片段按角度和中心点做对数螺线聚合。

对数螺线聚合这一步是我们后来补上的。螺旋带在物理上接近对数螺线形状，我们可以用片段中心点和角度作为观测值，拟合出一条二维螺线方程，输出参数包括螺线中心位置、增长系数和覆盖角范围。这样气象分析人员拿到的不是几百个零散片段框，而是一条带编号的螺旋带结构，可直接用来做台风中心定位辅助或强度估计。

7.2 推理加速和量化经验

部署时我们用了一块常规服务器显卡做性能测试。一开始直接在原始精度下推理，切片数量大时无法达到实时性要求。后来采用了半精度推理，速度提升了接近1.8倍，精度基本无损。再进一步做8bit量化时，mAP下降约0.4个点，但速度更快，如果业务场景是对历史台风数据做批量重分析，这个速度很有价值。

值得提醒的是，量化时最容易出问题的是角度分支。角度损失我们用余弦形式表达，但量化后的模型输出角度会在0度和180度边界出现微小抖动，导致聚合时出现角度不连续。解决办法是在聚合算法里加一个边界处理逻辑，角度超过170度就映射到负角域，再进行平滑。这个坑排查了很久，写出来供大家参考。

7.3 下一步可做但还没做的事

CTA模块目前使用的是人工设计的先验掩膜，下一步可以考虑把先验掩膜换成可学习的形态参数，让模型自己决定螺旋带片段的长度和宽度分布。数据层面，台风样本难获得，我们正在尝试半监督方案：用已经训好的模型去伪标注未编号的台风历史云图，再经过人工抽检后加入训练集。虽然伪标注会带来噪声，但数据量的增长可能会抵消这部分负面影响。

最后说点实在的

如果让我给后来者一句建议，那就是：先别急着把模型做复杂，先把你标注的“螺旋带”定义清楚。我们踩过最大的坑，不是模型不够强，而是标注人员对同一段雨带到底算不算“螺旋带”的判定都不一样。后来我们定了三类标准，把片段长度、连续性和走向规则写进标注手册，模型性能才真正稳定下来。模型结构上的东西，YOLO11、C3k2、CTA，很多团队可以复现，但标注口径和对任务的拆解方式，才是决定这个模型能不能在业务里跑出效果的分水岭。