YOLO11改进-模块-引入多尺度差异融合模块MDFM

        遥感变化检测（RSCD）专注于识别在不同时间获取的两幅遥感图像之间发生变化的区域。近年来，卷积神经网络（CNN）在具有挑战性的 RSCD 任务中展现出了良好的效果。然而，这些方法未能有效地融合双时相特征，也未提取出对后续 RSCD 任务有益的有用信息。此外，它们在特征聚合中没有考虑多层次特征交互，并且忽略了差异特征与双时相特征之间的关系，从而影响了 RSCD 的结果。为解决上述问题，本文通过孪生卷积网络提取不同层次的双时相特征，然后创建多尺度差异融合模块（MDFM）来融合双时相特征，并以多尺度方式提取包含丰富上下文信息的差异特征。本文考录到YOLO目标检测的neck对特征拼接的时候，没有考虑到不同层之间特征的差异性，以及neck层的多尺度信息的缺少，本文将MDFM模块替换neck层的contact。