YOLOv11涨点改进| TGRS 2026 |全网独家首发、特征融合改进篇| 引入DAWIM差异感知小波交互融合模块，增强边缘、纹理和结构信息，结合频域信息，增强小目标检测、分割涨点，发论文热点创新

一、本文介绍

🔥本文给大家介绍使用 DAWIM差异感知小波交互融合模块 改进YOLOv11网络模型，DAWIM 模块可以在特征层面先对双时相特征进行频域分解和差异感知处理，低频用于抑制光照或背景变化带来的伪变化，中频保留结构信息，高频增强边缘和纹理，然后通过自适应加权和残差回写将优化后的特征恢复到空间域，提供给检测头。这样不仅降低了误检率，还能突出目标特征、保留重要空间结构，同时保证训练稳定性和鲁棒性，使 YOLOv11 在复杂环境下的检测精度和可靠性得到显著提升。

🔥欢迎订阅我的专栏、带你学习使用最新-最前沿-独家YOLOv11创新改进！🔥

YOLOv11专栏改进目录：YOLOv11改进专栏包含卷积、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、C2PSA/C3k2二次创新改进、全网独家创新等创新点改进

全新YOLOv11-发论文改进专栏链接：全新YOLOv11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

二、DAWIM差异感知小波交互融合模块介绍

2.1 DAWIM差异感知小波交互融合模块结构图

2.2 DAWIM模块的作用：

2.3 DAWIM模块的原理

2.4 DAWIM模块的优势

三、完整核心代码

 四、手把手教你配置模块和修改tasks.py文件

1.首先在ultralytics/nn/newsAddmodules创建一个.py文件

2.在ultralytics/nn/newsAddmodules/__init__.py中引用

3.修改tasks.py文件

五、创建涨点yaml配置文件

🚀 创新改进1🔥: yolov11n_DAWIM.yaml

🚀 创新改进2🔥: yolov11n_DAWIM-2.yaml

🚀 创新改进3🔥: yolov11n_DAWIM-3.yaml

六、正常运行

二、DAWIM差异感知小波交互融合模块介绍

摘要：高分辨率遥感图像中的变化检测（CD）是地球观测应用的核心技术，但其效能常受两大关键挑战制约。首先，模型常将时间变化（如光照条件、季节更替）导致的辐射度差异误判为真实变化，导致误报现象普遍存在。其次，深度抽象特征与浅层细节特征之间存在显著语义鸿沟，阻碍了二者有效融合，最终导致边界划分不清晰。为深入解决这些问题，我们提出频率-空间协同门控网络（FSG -Net）这一创新范式，旨在系统性地区分语义变化与干扰性波动。具体而言， FSG -Net首先在频域中运行：差异感知小波交互模块（DAWIM）通过智能处理不同频分量来自适应抑制伪变化；随后，协同时空注意力模块（STSAM）在空间域中增强优化特征，显著提升真实变化区域的显著性；最后，轻量级门控融合单元（LGFU）利用高层次语义信息选择性过滤并整合浅层特征。在CDD、 GZ -CD和 LEVIR -CD基准测试中的全面实验验证了 FSG -Net的优越性，其F1分数分