123、顶会注意力机制复现：GFNet-Filter在YOLOv12中的应用——频域滤波注意力替代空间注意力的创新尝试兄弟们，今天聊点有意思的。上周有个学生跑过来跟我诉苦，说他在YOLOv12里塞了个SE注意力，小目标检测确实涨了点，但推理速度掉了将近15%，部署到Jetson上直接卡成PPT。我一看他的代码，好家伙，全局平均池化加两个全连接层，这玩意儿在GPU上跑还行，到了边缘设备上就是灾难。这让我想起去年在ICLR上看到的那篇GFNet，当时就觉得这个思路有点东西——人家直接在频域里做注意力，把空间域的卷积操作换成了傅里叶变换，计算复杂度直接降了一个量级。今天咱们就把这个思想搬到YOLOv12里试试水，看看能不能在保持速度的前提下，把检测精度再往上顶一顶。先搞明白GFNet到底在干什么传统注意力机制，不管是SE还是CBAM，本质上都是在空间域或者通道域上做加权。SE是压缩通道信息再扩张，CBAM是空间和通道串行处理。这些方法有个通病——它们只能捕捉局部关系，全局上下文信息全靠堆层数来硬凑。GFNet的思路完全不一样。它把特征图从空间域变换到频域，在频域里做元素级乘法，再变换回来。你想想，傅里叶变换后的每个频点，理论上都包含了全局信息，这不就相当于用极低的计算代价换来了全局感受野吗？具体来说，GFNet的核心操作就三步：二维FFT变换 → 频域可学习滤波 → 逆FFT变换。那个可学习的滤波参数，就是我们要训练的注意力权重。这里有个关键细节，论文里用的是复数权重，实部和虚部分别学习，这样能保留相位信息。我当时第一次复现的时候偷懒只用了幅值，结果