YOLO26改进88：全网首发--c3k2模块添加C3k2_EfficientVIM_CGLU组合创新模块

论文介绍

神经网络在资源受限环境中的部署

针对资源受限环境下的神经网络部署，先前研究通过结合卷积与注意力机制构建轻量级架构，分别用于捕捉局部与全局依赖关系。近期，状态空间模型（SSM）因其在token数量上具备线性计算复杂度的优势，成为实现全局交互的高效操作。

EfficientViM架构创新

为充分利用SSM的优势，提出基于隐藏状态混合器-状态空间对偶（HSM-SSD）的新型架构EfficientViM。该架构通过HSM-SSD机制以更低计算成本高效捕获全局依赖关系。研究发现SSD层的运行时性能主要受输入序列线性投影操作影响，因此对原始SSD层进行重新设计，使其在HSM-SSD层中通过压缩隐藏状态执行通道混合操作。

关键技术优化

提出多阶段隐藏状态融合策略，增强隐藏状态的表征能力。针对内存受限操作造成的瓶颈问题，提供专项设计解决方案。实验结果表明，EfficientViM系列模型在ImageNet-1k数据集上实现速度-精度权衡的新突破，相比次优模型SHViT速度更快且性能提升达0.7%。

扩展性能验证

当进行图像缩放或采用蒸馏训练时，相较现有方法在吞吐量和准确率方面均观察到显著提升。项目代码已开源：
https://