【YOLOv12多模态涨点改进】独家创新首发| TGRS 2026 |引入 CIFusion 通道交互融合模块，通过跨特征交互机制强化目标区域响应，适合多模态融合目标检测，小目标检测高效涨点

一、本文介绍

🔥这篇论文作者使用YOLO模型发SCI一区！喜提TGRS 2026顶刊！做遥感多模态小目标检测任务。

本文给大家介绍利用 CIFusion 通道交互融合模块 改进YOLOv12多模态目标检测模型，从而提高目标检测性能。CIF 通过对 RGB 与红外特征进行通道级自适应交互，根据全局上下文动态分配不同模态通道的重要性，使网络能够更加充分地利用两种模态之间的互补信息。与传统简单拼接或加权融合方式相比，CIF 通过跨模态特征交互机制强化目标区域响应，同时抑制背景噪声与模态间信息干扰，从而获得更加稳定和判别性更强的融合特征。将该模块嵌入 YOLOv12多模态检测网络后，不仅能够提升复杂场景下的检测鲁棒性，还能够增强对小目标和低对比度目标的感知能力，在保持模型结构相对轻量的同时提高整体检测精度。

🔥欢迎订阅我的专栏、带你学习使用最新-最前沿-独家YOLO多模态创新改进！🔥

🔥YOLO多模态改进专栏目录：《YOLO多模态全网独家创新》多模态融合改进教程，包含早期融合、中期融合、后期融合、损失函数改进、二次创新模块、独家创新等几百种创新点改进，答疑群提供完整项目，永久更新中

🔥YOLO多模态创新订阅地址：YOLO多模态创新改进专栏—轻松跑实验、多模态项目较容易冲顶会顶刊，永久更新中

本文目录

一、本文介绍

二、CIFusion 通道交互融合模块介绍

2.1 CIFusion 通道交互融合模块结构图

2.2 CIFusion模块的作用

1. 实现 RGB 与 IR 特征的自适应融合

2. 减少跨模态信息干扰

3. 增强跨模态特征互补能力

4. 为后续检测头提供更高质量的融合特征

2.3 CIFusion模块的原理

1. 先对 RGB 和 IR 特征进行通道拼接

2. 利用全局平均池化提取上下文信息

3. 通过两层全连接生成通道权重

4. 对拼接特征进行通道加权