红外遥感、海面机载红外成像场景中，海上画面场景分化明显：开阔远洋海面大面积灰度均匀、低频背景占比高，近岸港口、浪涌区域杂乱纹理繁多，舰船目标形态狭长、像素占比极小、成像信噪比极低；现有常规卷积、大核卷积、风车卷积在红外弱小舰船检测任务中弊端突出：标准 3×3 卷积感受野受限，难以采集狭长舰船横向、纵向双向轮廓特征；固定大尺寸卷积全局统一权重，无法适配舰船长宽多变的形态，易引入海浪、云层等冗余背景；各类仿生单方向卷积仅侧重单一维度特征提取，对超低亮度暗弱小船边缘弱像素利用率不足；部分频域优化卷积依赖傅里叶变换，频繁空域频域转换带来额外算力消耗。面向红外暗小舰船（DSIRST）检测痛点，依托中国结交织缠绕结构形态设计的 CKConv（Chinese Knot Convolution，中国结卷积）应运而生，最初适配遥感红外舰船检测任务，现阶段可无缝嵌入各类 CNN、DETR 系列检测框架，广泛用于红外小目标检测、遥感舰船识别等视觉任务。

一、CKConv 研究背景

        CKConv 设计灵感源自中式中国结横竖交叉、四方缠绕的几何拓扑结构，同时结合红外舰船细长条状的固有形态先验与十字交叉特征聚合思想。现有红外检测主流卷积方案各存短板：常规方形卷积各向同性采样，无法匹配舰船非对称狭长外形；条带卷积仅单一横向或纵向提取特征，正交方向信息缺失；多分支并行卷积模块堆叠层数多、参数量冗余，不利于轻量化部署；基于频域变换的降噪卷积运算繁琐，嵌入式红外探测设备难以落地。针对暗小舰船像素少、边缘特征微弱、海面杂波干扰强、尺度跨度大的行业难题，结合舰船细长形态特征与十字交叉汇聚原理，提出 CKConv 中国结卷积模块，无需注意力分支、无需频域变换，依靠多分支横竖条带 + 方形卷积并行融合，实现局部弱像素特征汇聚增强，搭配多尺度内核选型完成自适应特征提取，在控制参数量涨幅的前提下解决红外弱小舰船特征退化难题。

二、CKConv 核心原理

CKConv 整体围绕十字交叉特征汇聚、正交多向形态适配、多尺度内核选配三大核心逻辑，采用生活化举例拆解原理：

         第一，十字汇聚增强 = 中国结编织逻辑，中国结由横向绳线、纵向绳线交叉缠绕汇聚于中心结点。CKConv 拆分出 1×ki 横向条带卷积、ki×1 纵向条带卷积两个正交分支分别提取舰船横向舰体、纵向船艏轮廓特征，搭配 3×3 方形卷积补充局部空间细节；横向、纵向分支特征先相加融合，再经由 1×1 逐点卷积完成通道维度交互，所有外围分散的弱像素特征最终向特征图中心汇聚。好比漏斗聚拢零散细沙，将舰船边缘弥散在海面背景里的微弱像素信息集中强化，保留舰船轮廓对应的中频特征，滤除大面积均匀海面低频冗余背景与海浪随机高频噪点，从特征源头提升暗小船船身信噪比。

        第二，正交条带形态适配 = 异形相框裁剪，普通方形相框只能收纳方正图片，长条相框适配细长画幅。红外舰船长宽比跨度极大，从针尖级微型小船到巨型远洋货轮形态差异明显，横向、纵向两组一维条带卷积可灵活捕捉不同长宽比舰船的长条状结构特征，弥补传统方形卷积对狭长目标特征提取不足的缺陷，天然适配遥感图像里形态多变的舰船目标。

        第三，多尺度内核轻量化选型 = 多规格镜头组合，ki 可选 3/5/7 三种尺寸内核，小内核 3 侧重近岸密集微小舰船精细纹理，5、7 大内核负责远洋远距离、大尺度舰船全局特征，多尺度内核并行复用基础分支结构，相较于独立搭建多组大卷积，参数量与计算量增长可控；各分支输出融合后依托 GELU 激活增强非线性表达，完成一整套多尺度特征筛选。

三、CKConv 模块内部结构

整套 CKConv 由三类并行卷积分支 + 后融合单元串联组成，模块化插拔式设计，可直接替换主干网络 Stem 层、MSK-Block 中原有标准卷积单元：

1. 横向一维卷积分支：1×ki 横向条带卷积，搭配定制边缘填充，专注提取水平走向舰体特征；

2. 纵向一维卷积分支：ki×1 纵向条带卷积，适配竖直方向舰船轮廓，填充参数与横向分支匹配保证尺寸对齐；

3. 方形基础卷积分支：3×3 标准卷积，补充局部邻域细节，填补横竖条带卷积遗漏的局部空间关联信息；

4. 特征融合单元：横竖分支特征逐元素相加，再接入 1×1 逐点卷积调整通道数，最后与方形分支特征融合，经 BN 归一化 + GELU 激活输出最终特征。

四、横向对比现有主流卷积模块

        同 gConv、DSConv、PsConv、DRConv、ShiftwiseConv 等经典卷积对比：在参数量小幅提升前提下，CKConv 在 ISDD、IRSDSS、Maritime-sirst 三款红外舰船数据集上 AP、AP75 指标全面领先；对比风车形态 PsConv，CKConv 正交双条带结构更贴合舰船长条形态，复杂海面杂波场景误检更少；对比各类大核 DRConv，无需超大尺寸卷积内核堆叠，算力开销更低，针对超小像素舰船目标特征留存能力更强；对比各类重参数卷积，分支结构简洁、推理无额外重参数化运算，更适配机载、星载红外轻量化部署场景。

五、CKConv 应用在红外舰船目标检测的优势

        嵌入 MSCK-Net 主干 Stem-ck、MSK-Block 模块以及颈部特征融合层后，精准匹配红外舰船小目标密集、尺度悬殊、海杂波 / 云雾干扰严重、暗光成像特征微弱痛点。依托十字汇聚特性，弱小舰船区域聚合周边零散弱像素，弥补小目标像素稀缺带来的特征丢失；开阔海面区域依靠条带 + 方形组合带通滤波，过滤大面积均质海面低频背景，抑制浪花、薄云造成的高频虚警；多尺度 3/5/7 内核自主适配港口密集小船、远洋大型货轮跨尺度特征提取需求；整体结构轻量化，参数量涨幅可控，MSCK-Net-N 轻量化版本在保持实时推理速度（FPS234）的同时，AP50 相较基线提升 6.3%，既能用于星载高精度遥感舰船普查模型，也可部署在机载嵌入式红外探测终端，全方位提升复杂海况下多尺度舰船检测精度。

六、CKConv 拓展应用优势

        除遥感红外舰船检测外，CKConv 凭借正交条带 + 十字汇聚的通用结构，可拓展至光学遥感船舶识别、低空无人机近海目标巡检、红外地面狭长小目标探测等任务。狭长地物（桥梁、公路、小型车辆）检测场景中，正交条带精准抓取长条轮廓，十字汇聚强化边缘细节，优化狭长小目标分割边缘粘连、断点缺失问题；低照度工业细长缺陷检测任务中，有效过滤均匀基材背景噪声，突出细微划痕类中频缺陷特征；轻量化属性兼顾边缘端低算力硬件与云端高精度大模型，落地场景丰富。

总结

        CKConv 最初为暗小红外舰船检测任务量身设计，依托中式中国结交叉拓扑与舰船形态先验完成结构创新，优秀的形态适配性与轻量化特性使其从单一遥感任务，拓展至光学遥感识别、低空探测、工业缺陷检测多个落地赛道。兼顾狭长异形目标特征提取能力与低算力开销双重优势，既解决传统卷积适配性差、特征易退化的算法短板，又满足工程端嵌入式部署与云端高精度建模双重需求，是面向狭长类弱小目标检测领域兼具仿生创新与工程落地价值的新型卷积模块。

 知乎：一勺汤

公众号：AI改进工坊

哔站：一勺AI帅汤

CSDN：一勺汤
YOLO11代码：YOLOv8_improve/YOLOv11.md at master · tgf123/YOLOv8_improve

YOLO12代码：YOLOv8_improve/YOLOV12.md at master · tgf123/YOLOv8_improve

YOLO26代码：tgf123/YOLOv8_improve

视频讲解：YOLO11/12/26/DEIM/RTDETR:CKConv 中国结卷积模块，过滤均背景噪声，突出细微划痕类中频缺陷特征，提高细长目标检测精度_哔哩哔哩_bilibili

  YOLO11改进介绍和代码

YOLO12改进介绍和代码

YOLO26改进介绍和代码