YOLOv13涨点改进| TGRS 2026 | 独家创新首发、特征融合改进篇| 引入GSFM 全局语义感知融合模块，突出小目标并抑制复杂背景干扰，适合小目标检测、红外小目标检测、小目标分割，高效涨点

 一、本文介绍

🔥本文给大家介绍利用GSFM 全局语义感知融合模块改进YOLOv13网络模型，可以在高层特征阶段增强全局语义建模能力，使网络在更大范围内建立特征依赖关系，从整体背景分布中重新评估局部响应强度，从而突出小目标并抑制复杂背景干扰。该模块通过全局上下文引导的特征重标定机制，优化送入检测头的语义表达质量，提高目标与背景之间的区分度。相比传统卷积结构，GSFM能够突破局部感受野限制，在复杂场景下增强模型鲁棒性和抗噪能力，同时结构轻量、易于集成，在不显著增加计算开销的前提下提升检测精度与泛化性能。

🔥欢迎订阅我的专栏、带你学习使用最新-最前沿-独家YOLOv13创新改进！🔥

YOLOv13专栏改进目录：YOLOv13改进包含各种卷积、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、HyperACE二次创新、独家创新等几百种创新点改进。

全新YOLOv13创新改进专栏链接：全新YOLOv13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<