YOLOv13涨点改进 | 全网独家创新、特征融合改进篇 | TGRS 2025顶刊| 引入MROD-YOLO的 MSIA多尺度迭代聚合模块，强化语义特征之间交互，提升复杂环境中小目标检测，多模态融合

一、本文介绍

🔥本文给大家介绍使用 MSIA多尺度迭代聚合模块改进 YOLOv13 网络模型，可在特征融合阶段通过多尺度通道注意力引导的迭代聚合机制，充分强化高层语义特征与低层细节特征之间的交互，避免小目标信息在多模态、多尺度融合过程中被高层特征淹没。MSIA 能自适应调节不同尺度特征的贡献比例，减少冗余信息干扰，持续提升融合特征质量，从而在复杂背景下显著降低漏检与误检。相比传统一次性融合方式，该模块结构轻量、对 YOLOv13 框架在保持实时性的同时有效提升各种目标检测任务效果，尤其是小目标检测的精度与鲁棒性。

🔥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

一、本文介绍