YOLO26改进63：全网首发--使用MPCA改进特征融合模块

论文介绍

摘要

医学图像中，各类病变在形状和纹理上常表现出显著差异。现有医学图像分割网络大多仅从空间域学习特征，忽视了频域中的丰富全局信息，导致模型偏向低频成分而忽略关键的高频信息。为解决这一问题，提出了一种空间-频率双域注意力网络SF-UNet。该网络包含两个核心模块：多尺度渐进通道注意力模块（MPCA），通过跨编码器层渐进提取多尺度特征；轻量化频率-空间注意力模块（FSA），仅含0.05M参数量，可同步学习空间域与频域的纹理及边界特征。在三个公开数据集上的实验表明，SF-UNet性能优于现有最先进的医学图像分割网络。代码发布于https://github.com/nkicsl/SF-UNet。

文章地址：地址

改进步骤

步骤1

新建ultralytics\nn\extra_modules\block.py，添加如下代码：

''' 论文