一、本文介紹??本文給大家介紹使用 SCAB空間卷積注意力模塊 改進(jìn)YOLO26網(wǎng)絡(luò)模型，SCAB利用其大核深度卷積與空間卷積注意力機(jī)制擴(kuò)大特征感受野，增強(qiáng)網(wǎng)絡(luò)對(duì)長(zhǎng)距離空間依賴和上下文信息的建模能力，使目標(biāo)特征能夠結(jié)合更大范圍的場(chǎng)景信息進(jìn)行判斷；同時(shí)，SCAB通過注意力分支對(duì)Value特征進(jìn)行選擇性調(diào)制，可突出目標(biāo)區(qū)域、邊緣和關(guān)鍵紋理，抑制部分無效背景響應(yīng)，并借助殘差連接與ConvFFN進(jìn)一步細(xì)化特征，因此有望提升YOLO26在復(fù)雜背景、遮擋、尺度變化以及小目標(biāo)場(chǎng)景中的特征表達(dá)和定位能力。相較于傳統(tǒng)全局自注意力，SCAB主要依靠大核深度卷積完成空間建模，結(jié)構(gòu)更偏卷積化，具有較好的精度與計(jì)算開銷平衡。??歡迎訂閱我的專欄、帶你學(xué)習(xí)使用最新-最前沿-獨(dú)家YOLO26創(chuàng)新改進(jìn)！??YOLO26專欄改進(jìn)目錄：全新YOLO26改進(jìn)專欄包含卷積、主干網(wǎng)絡(luò)、各種注意力機(jī)制、檢測(cè)頭、損失函數(shù)、Neck改進(jìn)、小目標(biāo)檢測(cè)、二次創(chuàng)新模塊、多種組合創(chuàng)新改進(jìn)、全網(wǎng)獨(dú)家創(chuàng)新等創(chuàng)新點(diǎn)改進(jìn)全新YOLO26專欄訂閱鏈接：全新YOLO26創(chuàng)新改進(jìn)高效漲點(diǎn)+永久更新中（至少500+改進(jìn)）+高效跑實(shí)驗(yàn)發(fā)論文本文目錄一、本文介紹二、SCAB空間卷積注意力模塊介紹2.1 SCAB空間卷積注意力模塊結(jié)構(gòu)圖2.2 SCAB空間卷積注意力模塊的作用：2.3 SCAB空間卷積注意力模塊的原理2.4 SCAB空間卷積注意力模塊的優(yōu)勢(shì)三、完整核心代碼四、手把手教你配置模塊和修改tasks.py文件1.首先在ultralytics/nn/newsAddmodules創(chuàng)建一個(gè).py文件2.在ultralytics/nn/newsAddmodules/__init__.py中引用3.修改tasks.py文件五、創(chuàng)建漲點(diǎn)yaml配置文件??創(chuàng)新改進(jìn)1??: yolo26_SCAB.yaml??創(chuàng)新改進(jìn)2??: yolo26_SCABC3k2.yaml六、正常運(yùn)行二、SCAB空間卷積注意力模塊介紹摘要：深度展開網(wǎng)絡(luò)（DUNs）已取得顯著成就，已成為光譜壓縮成像（SCI）重建的主流范式。現(xiàn)有的DUNs均源自全HSI成像模型，其中每個(gè)階段直接在高維HSI上操作，基于單個(gè)二維編碼測(cè)量結(jié)果對(duì)整個(gè)數(shù)據(jù)立方體進(jìn)行優(yōu)化。然而，這一范式會(huì)導(dǎo)致計(jì)算冗余，并且在將二維殘差映射回HSI三維空間時(shí)面臨不適定性問題。本文通過將低秩（LR）分解與感知模型顯式整合，提出了兩種新型成像模型，分別對(duì)應(yīng)光譜基和子空間圖像。與恢復(fù)完整HSI相比，估計(jì)這些緊湊的低維分量可顯著緩解不適定性。基于這些新型模型，我們開發(fā)了低秩深度展開網(wǎng)絡(luò)（LRDUN），該網(wǎng)絡(luò)在展開型近端梯度下降（PGD）框架內(nèi)聯(lián)合求解這兩個(gè)子問題。此外，我們還引入了廣義特征展開機(jī)制（GFUM），將數(shù)據(jù)保真項(xiàng)中的物理秩與先驗(yàn)?zāi)K中的特征維度解耦，從而增強(qiáng)了網(wǎng)絡(luò)的表征能力與靈活性。在模擬及真實(shí)數(shù)據(jù)集上進(jìn)行的廣泛實(shí)驗(yàn)表明，所提出的 LRDUN 以顯著降低的計(jì)算成本實(shí)現(xiàn)了最先進(jìn)的（SOTA）重建質(zhì)量。