芒果YOLOv5改进04：特征融合Neck篇之AsymptoticFPN：改进Asymptotic Feature Pyramid Network渐近特征金字塔网络，加强非相邻层的直接交互，YOLO系

💡本篇内容：YOLOv5改进AsymptoticFPN：渐近特征金字塔网络Asymptotic Feature Pyramid Network，加强非相邻层的直接交互，YOLO系列高效涨点

💡🚀🚀🚀本博客 YOLOv5 + 渐近特征金字塔网络AsymptoticFPN源代码改进 适用于 YOLOv5… 等等YOLO系列 按步骤操作运行改进后的代码即可

💡适合用来改进作为 🚀改进点 重点：原创给出多种配置：针对论文原版的改进版本

💡论文：https://arxiv.org/pdf/2306.15988.pdf

一、论文理论部分 + YOLOv5代码实践

多尺度特征对于在目标检测任务中对具有尺度方差的目标进行编码非常重要。多尺度特征提取的常见策略是采用经典的自上而下和自下而上的特征金字塔网络。然而，这些方法会遭受特征信息的丢失或退化，从而损害非相邻级别的融合效果。本文提出了一种渐近特征金字塔网络（AFPN）来支持非相邻级别的直接交互。AFPN 是通过融合两个相邻的低级特征来启动的，