YOLO11改进-模块-引入CMUNeXt Block 增强全局信息

           在医学图像分割领域面临诸多问题，如 U 形架构卷积网络难以提取全局信息，混合架构因计算资源受限在实际医疗场景应用受阻，轻量化网络在保证性能与提取全局信息上存在矛盾。因此，设计了CMUNeXt Block，CMUNeXt Block 采用大核深度可分离卷积替代普通卷积来提取全局信息，凭借深度可分离卷积减少参数和计算成本以维持轻量化，同时综合利用卷积归纳偏置和全局信息提取能力，有效解决了这些问题。  
代码：https://github.com/tgf123/YOLOv8_improve/blob/master/YOLOv11.md

1. CMUNeXt Block结构介绍       

1. 有效提取全局信息：通过使用大核深度可分离卷积替换普通卷积，先利用大核的深度可分离卷积提取每个通道的全局信息，再借助残差连接，解决了卷积网络难以提取全局信息的