YOLO26改进103：全网首发--使用BiFPN改进特征金字塔网络
论文介绍
微小物体检测的挑战与改进方案
微小物体因分辨率低和尺寸小而难以检测。检测性能不佳主要源于网络架构限制和训练数据集不平衡。
特征金字塔网络的创新设计
提出了一种结合上下文增强和特征优化的新型特征金字塔网络。通过多尺度空洞卷积融合特征，并自上而下注入特征金字塔网络以补充上下文信息。
特征优化机制
引入通道和空间特征优化机制，抑制多尺度特征融合中的冲突信息，防止微小物体被淹没在干扰数据中。该机制能有效提升特征表达的纯净度。
数据增强策略
提出名为"复制-缩减-粘贴"的数据增强方法，增加训练过程中微小物体对损失函数的贡献，确保训练过程更均衡。这种方法显著改善了模型对小目标的敏感性。
实验性能对比
在VOC数据集上的实验表明，该网络在IOU=0.5:0.95标准下的平均精度达到16.9%。相比YOLOV4提升3.9%，优于CenterNet 7.7%，较RefineDet提高5.3%。这些数据验证了所提方法的有效性。