YOLO26改进83：全网首发--c3k2模块添加AP模块

论文介绍

本文提出了一种即插即用的PConv模块，利用红外小目标（IRST）的高斯分布特性，以极少的参数实现了高效且更大的感受野。同时设计了一种简单而有效的SD损失函数，用于解决标签IoU波动问题。此外，还发布了SIRST-UAVB数据集——一个具有精细标注的大规模挑战性基准数据集。主要贡献如下：

(1) 基于IRST的高斯空间分布特性，提出新型即插即用卷积模块PConv，该模块增强了CNN对IRST底层特征的分析能力。

(2) 提出SD损失函数，动态调整尺度损失（Scale loss）与定位损失（Location loss）的影响系数，提升神经网络对不同尺度目标的回归能力和检测性能。

(3) 构建了目前最大的公开真实场景IRST检测数据集SIRST-UAVB，涵盖全面的空间域挑战。

(4) 将PConv和SD损失应用于IRST检测方法的边界框（BBox）与掩码（mask）标签格式，在公开数据集及自有数据集上验证了其有效性和泛化性。实验结果表明，该方法带来了显著且一致的性能提升。

文章地址：地址

改进步骤

步骤1