【YOLO26创新改进】PR 2026顶刊 | 特征融合改进篇 | 使用LCAFusion轻量交叉注意力融合模块，适合可见光—红外目标检测，无人机遥感目标检测、低照度与恶劣天气检测、旋转目标检测任务
一、本文介绍
⭐本文在YOLO26模型中引入LCAFusion轻量交叉注意力融合模块改进，通过可见光引导和红外引导交叉注意力，从两个方向提取纹理、边缘、空间结构与热辐射信息，并利用门控融合根据场景质量自适应分配两类特征权重，从而减弱模态差异和单一模态噪声对检测结果的干扰；同时融合浅层多模态特征，可进一步保留小目标的边缘与位置信息，提升夜间、低照度、烟雾、遮挡及复杂背景下的目标分类和定位能力，减少误检与漏检。该模块采用点卷积和深度卷积进行轻量化设计，相比复杂跨模态Transformer具有参数量小、计算开销低、融合充分和部署友好等优势。
YOLO26创新专栏目录：YOLO26涨点改进目录| 含Conv卷积、主干网络、注意力机制、Neck特征融合、检测头、知识蒸馏、模型剪枝、轻量化改进、损失函数、二次创新C2PSA/C3k2等各种顶会顶刊创新改进
YOLO26订阅专栏地址：全新YOLO26独家创新改进，适合高效发表SCI和CCF小论文、大论文写作。
本文目录
一、本文介绍
二、LCAFusion轻量交叉注意力融合模块介绍
2.1，LCAFusion轻量交叉注意力融合模块的结构图
2.2，LCAFusion轻量交叉注意力融合模块的核心思想
2.3，LCAFusion轻量交叉注意力融合模块的作用
2.4，LCAFusion轻量交叉注意力融合模块的原理
2.5 适用任务领域
三、核心模块的完整实现代码
四、手把手添加步骤
4.1 修改一
4.2 修改二
4.3 修改三
五、yaml模型文件
创新改进版本1🚀
创新改进版本2🚀
创新改进版本3🚀
六、成功运行结果演示
二、LCAFusion轻量交叉注意力融合模块介绍
摘要：可见-红外目标检测旨在利用不同模态的互补性来提高在复杂环境下目标分类和定位的准确性。然而，大多数现有方法更注重检测性能，而忽略了网络复杂度，这限制了它们在实际应用中的使用。为此，我们提出了一种轻量级模态引导的交叉注意力融合网络（LCAFNet）用于可见-红外目标检测，该网络由可见引导的交叉注意力模块（VG-CAB）、红外引导的交叉注意力模块（IG-CAB）和门控融合模块（GFB）组成。VG-CAB 和 IG-CAB 利用一种模态的注意力权重引导另一种模态的信息聚合，实现跨模态的信息交互和从两个不同视角的特征融合。这两个模块生成包含可见光