YOLO26涨点改进| CVPR 2026 | 独家创新首发、Conv改进篇| 引入SFEB空间-频率增强模块，含多种二次创新改进，助力图像去噪、红外小目标检测、图像分割、变换检测、关键点检测高效涨点

一、本文介绍

🔥本文给大家介绍使用 SFEB空间-频率增强模块 改进YOLO26网络模型，可以同时从空间域和频率域对特征进行协同增强，在保留目标局部边缘、纹理和细节信息的同时，强化目标整体结构与频率特征表达，从而提升模型对小目标、弱目标及复杂背景目标的识别能力；同时，SFEB 还能增强网络在噪声干扰、低信噪比和多尺度场景下的鲁棒性，减少误检与漏检，对 YOLO26 的整体检测性能形成稳定提升。

🔥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、SFEB空间-频率增强模块介绍

2.1 SFEB空间-频率增强模块结构图

2.2 SFEB模块的作用：

2.3 SFEB模块的原理

2.4 SFEB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_SFEB.yaml

🚀 创新改进2🔥: yolo26_C3k2_SFEB.yaml

六、正常运行

二、SFEB空间-频率增强模块介绍

摘要：高分辨率透射电子显微镜（HRTEM）能够实现原子尺度的成核动力学观测，这极大地推动了先进固体材料的研究。然而，由于成核过程具有毫秒级的快速变化特性，需要采用短曝光快速成像技术，但会导致严重噪声干扰，使原子位置信息难以辨识。本研究提出了一种基于统计特征引导的去噪网络，该网络通过统计特征在空间域和频域同步指导去噪过程。在空间域中，我们采用空间偏差引导加权方法，根据偏差特征为每个空间位置选择合适的卷积运算；在频域中，则通过频带特征引导加权技术增强信号并抑制噪声。我们还开发了 HRTEM 专用噪声校准方法，并构建了包含无序结构和真实 HRTEM 图像噪声的数据集，确保模型在真实图像上的成核观测去噪性能。合成数据与真实数据实验表明，该方法在 HRTEM 图像去噪领域表现优于现有最先进方法，并在下游定位任务中展现出显著效果。