YOLO26涨点改进| 1区Top 2025 | 全网独家创新、细节涨点改进篇| 3个月喜提一区YOLO真神！引入FSPPF漏斗空间金字塔池化模块，含多种组合创新点，助力小目标检测、图像分割高效涨点
一、本文介绍
🔥本文给大家介绍利用FSPPF漏斗空间金字塔池化模块 改进YOLO26网络模型，可以有效增强网络对多尺度目标的特征表达能力。FSPPF在传统SPPF结构的基础上融入特征敏感机制，通过多尺度池化操作获取不同感受野的上下文信息，并对融合特征进行自适应强化，使网络能够更加关注关键目标区域。该模块能够在保持较低计算复杂度的前提下显著提升特征的语义表达能力和空间信息利用效率，从而提高模型对小目标、尺度变化目标以及复杂背景目标的检测能力。同时，FSPPF增强了特征融合阶段的上下文建模能力，使YOLO26在复杂场景下具有更高的检测精度与鲁棒性，同时保持较好的实时检测性能。
🔥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、FSPPF漏斗空间金字塔池化模块介绍
2.1 FSPPF漏斗空间金字塔池化模块结构图
2.2 FSPPF模块的作用
2.3 FSPPF模块的原理
2.4 FSPPF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中引用编辑
3.修改tasks.py文件
五、创建涨点yaml配置文件
🚀 创新改进1🔥: yolo26_FSPPF.yaml
🚀 创新改进2🔥: yolo26_FSPPF_DySnakeConv.yaml
🚀 创新改进3🐉: yolo26_FSPPF_DySnakeConv-p2.yaml
🚀 创新改进4🔥: yolo26_FSPPF_DySnakeConvC3k2.yaml
六、正常运行
二、FSPPF漏斗空间金字塔池化模块介绍
摘要：火灾对生态系统、人类生命和财产构成重大威胁。鉴于火灾场景的复杂性及检测小型分散目标的挑战，本文提出基于“仅需一次注视”（YOLO）框架的创新火灾检测算法FireSmoke-YOLO。首先，采用漏斗空间金字塔池化快速（FSPPF）替代主干模块中的空间金字塔池化快速（SPPF），提升深度网络的特征提取能力。其次，在颈部模块中集成小型目标检测层以提高小目标检测精度。此外，为更好地融合深度与浅层特征，在颈部模块各拼接层后添加动态蛇形卷积（DSC）。FireSmoke-YOLO通过自定义火灾数据集进行训练与评估，实验结果表明：在交并比阈值0.5（mAP50）下达到81.4%的平均精度，mAP50-95值为59%，分别较原始模型提升1.9%和8.9%。 FSPPF 层使模型体积缩减4.4MB，确保轻量化设计。该模型在处理卫星遥感数据时展现出强泛化能力，验证了其在火灾监测中的有效性。本研究在提升火灾检测精度的同时，为消防与环境保护提供了高效轻量化的模型。FireSmoke-YOLO为火灾监测技术开辟了新路径，具有广阔的应用前景。未来工作将聚焦于进一步优化并拓展其在多样化火灾监测场景中的应用，以提升公共安全与生态保护水平。