YOLO26涨点改进| TGRS 2026 |独家创新首发、特征融合改进篇| 引入HEWL小波特征融合模块，通道-空间-频域交互联合高频增强，助力红外小目标检测，图像分割，多模态目标检测有效涨点

一、本文介绍

🔥本文给大家介绍使用 HEWL小波特征融合模块 改进YOLO26网络模型，作用在于在特征融合与上采样阶段引入频域高频信息指导特征重建，使模型在检测过程中不仅关注语义信息，还能够有效保留目标的边缘与细节结构，从而提升对小目标和弱目标的表达能力。通过小波分解提取高频信息并结合注意力机制进行加权融合，YOLO26可以在复杂背景下更准确地恢复目标轮廓，减少特征模糊带来的定位误差。其优势在于显著增强小目标检测能力和边界定位精度，提高模型在低对比度、噪声干扰等复杂场景中的鲁棒性，同时HEWL结构相对高效，可在不过多增加计算开销的前提下提升整体检测性能与泛化能力。

🔥欢迎订阅我的专栏、带你学习使用最新-最前沿-独家YOLO26创新改进！🔥

YOLO26专栏改进目录：全新YOLO26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、多种组合创新改进、全网独家创新等创新点改进

全新YOLO26专栏订阅链接：全新YOLO26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、HEWL小波特征融合模块介绍

2.1 HEWL小波特征融合模块结构图

2.2 HEWL模块的作用：

2.3 HEWL模块的原理

2.4 HEWL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🔥: yolo26_HEWL.yaml

🚀 创新改进2🔥: yolo26_HEWL-2.yaml.yaml

🚀 创新改进3🔥: yolo26_HEWL-3.yaml.yaml

六、正常运行

二、HEWL小波特征融合模块介绍

摘要：红外小目标检测（IRSTD）对军事安全应用具有关键意义。尽管U型架构提升了基准性能，现有方法仍存在两大核心局限：1）对微小目标的空间感知能力不足导致目标定位丢失；2）深度特征重建过程中存在边缘退化与语义模糊问题。为解决这些问题，我们提出PQGNet架构并包含以下创新：为增强空间感知能力并优化特征融合引导，我们引入感知查询监督机制（PQSM），该机制通过感知损失约束各编码器层的空间特征学习。感知特征构建模块（PFCM）通过增强感知特征保留目标定位信息，而感知查询引导模块（PQGM）采用交叉注意力机制，通过跳跃连接引导全局与区域特征查询，优化目标特征提取。为缓解重建退化与语义模糊问题，我们突破现有小波方法仅替换池化层的局限，设计了最大池化-小波混合层（MWHL）与高频增强小波层（HEWL），利用离散小波变换特性通过浅层高频细节强化深度语义表征。针对 NUDT - SIRST 、 NUAA - SIRST 和 IRSTD