在目标检测任务中，特征融合结构（Neck）对模型性能具有至关重要的影响。本文基于YOLO26架构，引入了一种……

本文介绍了一种在YOLO26目标检测模型中引入高效解码器模块EMCAD的创新方法，以提升模型在资源受限场景下……

本文介绍了基于Haar小波的下采样（HWD）模块与YOLO26的结合，以解决语义分割任务中池化特征导致重要空间……

本文介绍了基于小波变换的池化方法——Wavelet Pooling，作为传统最大池化与平均池化的有效替代方案。该方……

本文介绍了鲁棒特征下采样模块（RFD）与 YOLO26的结合，以解决遥感图像分析难题。RFD 包含浅层 SRFD 和深……

前言 本文介绍了超级令牌注意力（STA）机制及其在YOLO26中的结合。STA机制通过引入超级令牌，将原始标记……

前言 本文介绍了可变形大核注意力（D-LKA Attention）及其在YOLO26中的结合。D-LKA Attention是一种简化……

前言 本文介绍了可改变核卷积（AKConv）及其在YOLO26中的结合。传统卷积存在卷积窗口和核尺寸固定的缺陷……

本文介绍了一种轻量级的特征下采样模块 ADown，它结合平均池化与最大池化策略，实现更有效的信息保留与压……

本文介绍了将自适应矩形卷积（ARConv）模块与YOLO26相结合的方法。ARConv是针对遥感图像全色锐化任务设计……