YOLO26涨点改进| ECCV 2026 | 特征融合改进篇 |引入DBFSAF双分支频率-空间自适应融合模块，增强频率多样性并自适应地捕获频域与空间域的判别性特征，助力小目标检测任务，有效涨点

一、本文介绍🔥本文给大家介绍使用 DBFSAF双分支频率-空间自适应融合模块 改进YOLO26网络模型，DBFSAF可针对不同层级特征的频率差异进行动态建模，通过频率动态卷积增强目标边缘、纹理和局部对比度，并利用多尺度空间精炼与频率处理单元协同融合高频细节和全局语义，同时采用部分通道精炼策略减少冗余计算、保留原始信息，从而缓解普通拼接或卷积融合造成的频率混叠与细节衰减，显著提升YOLO26对小目标、密集目标、远距离目标及复杂背景目标的识别和定位能力，减少漏检、误检与边界偏差，并在额外计算开销相对可控的前提下增强模型的多尺度表达能力与检测鲁棒性。🔥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、DBFSAF双分支频率-空间自适应融合模块介绍2.1 DBFSAF双分支频率-空间自适应融合模块结构图2.2DBFSAF模块的作用：2.3 DBFSAF模块的原理2.4DBFSAF模块的优势三、完整核心代码