YOLOv13涨点改进 | 独家创新，特征融合涨点改进篇 | TGRS 2025 | 引入ATEM仿射变换融合增强模块，含多种创新改进点，对边缘和纹理信息进行自适应增强，提升小目标和弱目标检测能力

一、本文介绍

🔥本文给大家介绍利用  ATEM仿射变换融合增强模块 改进 YOLOv13 网络模型，主要作用于特征提取早期或中间阶段，对高频特征中的边缘与纹理信息进行自适应增强。ATEM 通过学习可调的仿射参数，对细节特征进行有选择的放大或重标定，使目标轮廓在复杂背景、低对比度或退化场景中更加清晰，从而提升 YOLOv13 对小目标和弱目标的感知能力。相比直接增强高频信息，ATEM 能避免噪声同步放大的问题，在保持计算开销较低的前提下，提高特征质量和检测稳定性。ATEM 是 一种高效且细节友好的特征增强方式，使模型在复杂环境下具有更强的鲁棒性和更高的检测精度。

🔥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

本文目录