YOLO26改进46：全网首发--使用FSConv改进下采样
论文介绍
由于极低的信噪比（SNR），红外小目标检测（IRSTD）仍具挑战性。现有方法难以平衡精度与速度，尤其在计算资源受限的场景下。为此，提出一种基于YOLOv10n架构的频率-空间上下文融合网络（FSCFNet）。
核心方法设计
频率-空间卷积（FSConv）：通过哈尔小波变换（WT）分解输入特征，高频线索聚焦局部细节以增强小目标特征，低频线索提供全局信息补充空间特征。
非对称跨域注意力（ACA）：强化局部中心特征提取，适配小目标的空间高斯分布特性。
多尺度感受野上下文模块（MRCB）：利用多样化空洞卷积捕获长程依赖信息。
Wasserstein距离损失（WDL）：优化边界框回归质量。
实验验证
在IRSTD-1k、NUDT-SIRST和NUAA-SIRST三个公开数据集上的实验表明：
IRSTD-1k数据集上，FSCFNet较基线模型精度提升4.7%，召回率提高3.3%，AP@50增长3.9%，参数量仅增加3.6%。
该模型为资源受限环境下的实时红外监测系统提供了高效解决方案。