一、本文介绍
🔥本文给大家介绍HFP和SDP创新点优化YOLO26模型！HS-FPN通过高频感知模块（HFP）从频域增强小目标特征，并利用空间依赖感知模块（SDP）捕获相邻像素间的空间依赖。实验表明，HS-FPN在AI-TOD和DOT Amini10等小目标检测数据集上，相较于FPN显著提升了检测性能，展现出竞争优势。电脑阅读更舒服!
🔥欢迎订阅我的专栏、带你学习使用最新-最前沿-独家YOLO26创新改进！🔥
YOLO26专栏改进目录：全新YOLO26改进专栏包含卷积、主干网络、各种注意力机制、检测头、损失函数、Neck改进、小目标检测、二次创新模块、多种组合创新改进、全网独家创新等创新点改进
全新YOLO26专栏订阅链接：全新YOLO26创新改进高效涨点+永久更新中（至少500+改进）+高效跑实验发论文
本文目录
一、本文介绍
二、HFP和SDP模块介绍
HFP和SDP网络结构图：
HFP和SDP的作用：
三、HFP和SDP核心代码
四、手把手教你添加模块和修改task.py文件
1.首先在ultralytics/nn/newsAddmodules创建一个.py文件
2.在ultralytics/nn/newsAddmodules/__init__.py中引用
3.修改tasks.py文件
五、创建涨点yaml文件
🚀参考版本1 :yolo26_HFP_SDP.yaml
🚀参考版本 2: yolo26_HFP_SDP_HSFPN_P234.yaml
🚀参考版本 3: yolo26_HFP_SDP_HSFPN_P2345.yaml
🚀参考版本 4: yolo26_C3k2_HFP.yaml
六、训练演示，正常运行
二、HFP和SDP模块介绍
摘要：特征金字塔网络 (FPN) 的引入显著提高了目标检测的性能。然而，在检测微小目标方面仍然存在巨大的挑战，因为它们的特征在特征图中仅占很小的比例。虽然 FPN 整合了多尺度特征，但它并没有直接增强或丰富微小目标的特征。此外，FPN 缺乏空间感知能力。为了解决这些问题，我们提出了一种新颖的高频和空间感知特征金字塔网络 (HS-FPN)，它具有两个创新模块。首先，我们设计了一个高频感知模块 (HFP)，它通过高通滤波器生成高频响应。这些高频响应用作空间和通道的掩码权重，以丰富和突出原始特征图中微小目标的特征。其次，我们开发了一个空间依赖感知模块 (SDP)，以捕获 FPN 缺乏的空间依赖性。我们的实验表明，基于 HS-FPN 的检测器在 AI-TOD 数据集上对于微小目标检测表现出优于当前最佳模型的竞争优势。
