本文将YOLO11的特征提取网络作为YOLO-World改进模型的特征提取基础网络，并在其基础上进行改进。YOLO11的Backbone网络结构如图6所示，改进方法使用卷积注意力协同模块CTCM模块代替网络P3、P4特征输出位置的C3k2模块。P3和P4特征输出位置将Backbone提取的特征输入到VL-PAN结构，在这两个位置使用CTCM模块替换C3k2结构可以有效的保证输出特征图的表达能力，同时尽可能将backbone增加的复杂度控制在较低的范围。