YOLO26改进103：全网首发--使用BiFPN改进特征金字塔网络

论文介绍微小物体检测的挑战与改进方案微小物体因分辨率低和尺寸小而难以检测。检测性能不佳主要源于网络架构限制和训练数据集不平衡。特征金字塔网络的创新设计提出了一种结合上下文增强和特征优化的新型特征金字塔网络。通过多尺度空洞卷积融合特征，并自上而下注入特征金字塔网络以补充上下文信息。特征优化机制引入通道和空间特征优化机制，抑制多尺度特征融合中的冲突信息，防止微小物体被淹没在干扰数据中。该机制能有效提升特征表达的纯净度。数据增强策略提出名为"复制-缩减-粘贴"的数据增强方法，增加训练过程中微小物体对损失函数的贡献，确保训练过程更均衡。这种方法显著改善了模型对小目标的敏感性。实验性能对比在VOC数据集上的实验表明，该网络在IOU=0.5:0.95标准下的平均精度达到16.9%。相比YOLOV4提升3.9%，优于CenterNet 7.7%，较RefineDet提高5.3%。这些数据验证了所提方法的有效性。文章地址：