YOLO系列语义分割下采样改进：全网首发--使用 FSConv 改进 频域分离下采样卷积 ✨

1. 工程简介 🚀

本工程基于 Ultralytics 框架扩展，面向语义分割与 YOLO 系列模型改进实验。核心特点是通过切换yaml配置文件，即可快速完成不同网络结构的训练、对比与验证，无需为每个模型单独编写训练脚本。

当前已支持的主要模型家族 🧩

• 语义分割模型：UNet、UNet++、DeepLabV3+、DPT、FPN、PSPNet、MAnet、PAN、Linknet、UPerNet、Segformer
• YOLO 系列模型：YOLOv8、YOLOv10、YOLO11、YOLO12、YOLO26

2. 本工程的优势 ✨

2.1 YAML 切换模型，统一训练入口 🔁

本工程最大的优势是：只需替换ultralytics/cfg/models/...下的模型yaml，就可以在相同数据集、相同训练入口、相同评估流程下完成不同结构模型的对比实验。