YOLO26涨点改进 | 独家创新、Neck特征融合改进篇 | ICLR 2025 | 引入FMoM频率调制融合模块，实现空间与频率的协同特征增强，助力多模态融合、小目标检测、遥感目标检测有效涨点

一、本文介绍

🔥本文给大家介绍使用 FMoM（频率调制模块）改进 YOLO26网络模型，可显著提升其在复杂退化场景下的检测稳健性与泛化能力。该模块通过在特征图的频率域中实现高低频信息的双向交互（H-L 与 L-H 路径），利用高频特征增强目标边缘与纹理细节，同时以低频结构约束高频噪声，实现空间与频率的协同特征增强。相比传统仅依赖空间卷积的YOLO架构，FMoM 能自适应地强调不同场景下的有效频段，使网络具备频谱感知能力，从而在雾天、低光、雨雪或噪声干扰环境中保持检测精度与小目标识别能力的稳定提升。

🔥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、FMoM模块介绍

2.1 FMoM 模块结构图

2.2 FMoM 的功能定位与作用：

2.3 FMoM 的内部结构与工作原理

（1）H-L 单元原理