pick1

# 前言 本文介绍了ParNet注意力机制及其在YOLO26中的应用。ParNet注意力通过并

前言 本文介绍了维度感知选择性融合（DASI）模块在YOLO26中的结合应用。DASI模块是HCF - Net用于红外小目标检测的关键组件，可实现自适应的通道选择和融合。它通过对高维、低维和当前层特征

前言 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的性能与效率。EMCAD由多个模块构成，其中核心的EUCB（高效上卷积块）通过上采样、

前言 本文介绍了可编程梯度信息（PGI）和通用高效层聚合网络（GELAN），以及SPPELAN模块在YOLO26中的结合应用。针对深度网络数据传输中的信息丢失问题，提出PGI概念以提供完整输入信息计算

前言 本文介绍了Token Statistics Self-Attention（TSSA）机制，并将其集成到YOLO26中。传统自注意力计算复杂度高，TSSA进行了范式转变，基于token统计特征实现

前言 本文介绍了多尺度线性注意力机制MSLA，并将其集成进YOLO26。现有基于CNN和Transformer的医学图像分割方法存在局限性，为解决这些问题，我们提出了MSLAU-Net架构，其中MSL

YOLO26 改进 - C2PSA | C2PSA融合DML动态混合层（Dynamic Mixing Layer）轻量级设计优化局部细节捕获与通道适应性，提升超分辨率重建质量

前言 本文介绍Mamba YOLO，为图片物体识别提供了“又快又准”的新方案。传统CNN架构运行快但难以捕捉远距离关联物体，Transformer架构精度高但计算量呈平方级增长，而SSM虽计算量为线性

前言 本文介绍了Token Statistics Self-Attention（TSSA）机制，并将其集成到YOLOv11中。传统自注意力计算复杂度高，TSSA进行了范式转变，基于token统计特征实