YOLOv11-seg改进 | C3k2_EBlock频域增强替换C3k2全流程指南一、本文简介二、模块原理详解2.1 层级结构2.2 前向流程2.3 与原始 C3k2 的区别三、改进思想与创新点3.1 DarkIR EBlock 的工程价值3.2 频域 MLP 强化边缘和纹理3.3 零初始化残差缩放3.4 对比分析3.5 适配 YOLOv11-seg 的意义四、完整代码4.1 DarkIR EBlock 直接依赖4.2 EBlock4.3 C3k2_EBlock五、手把手配置步骤5.1 检查导入5.2 检查 tasks.py 注册5.3 模型加载与训练示例六、YAML 配置文件6.1 全网络替换版：完整验证频域增强效果6.2 Backbone-only 版：低照纹理主干增强6.3 深层增强版：把频域调制放在高语义层七、常见问题7.1 `NameError: name 'C3k2_EBlock' is not defined` 怎么办？7.2 是否需要额外安装 FFT 库？7.3 运行时出现 complex 到 real 的 warning 怎么看？7.4 `Segment` 改为 `Detect` 的思路是什么？7.5 YAML 中 `c3k=True` 有什么影响？八、总结专栏系列：YOLOv11 精度改进实战改进点：将 YOLOv11-seg 中的C3k2替换为仓库中的C3k2_EBlock，该模块基于 CVPR 2025 DarkIR《DarkIR: Robust Low-Light Image Restoration》中的EBlock改进 C3k2，用 LayerNorm、膨胀深度卷积分支、SimpleGate、SCA 和频域 MLP 强化复杂纹理与低照边界表达。一、本文简介CVPR 2025 DarkIR《DarkIR: Robust Low-Light Image Restoration》中的EBlock面向低光照图像恢复任务，强调在局部空间分支之外引入频域建模能力。当前仓库将 DarkIR 的EBlock嵌入 YOLOv11 的C3k2框架，形成C3k2_EBlock，属于基于 DarkIR EBlock 的仓库改进实现，不是直接把 DarkIR 整个恢复网络作为 YOLO 主干。原始C3k2对常规检测分割任务速度友好，但在低照、模糊、密集纹理和细边界场景中，单纯局部卷积容易丢失高频边缘和弱纹理信息。C3k2_EBlock通过 EBlock 的频域 MLP 分支