CVL-PAN：上下文增强视觉-语言路径聚合网络，输入两个特征图，经过AdjConv（通道调整）、Concat（特征拼接）、SE注意力（通道注意力）、Split（权重分离）和加权融合（αF1 + βF2）等操作，实现特征融合。