一、本文介绍
⭐本文介绍将 RIS-PiDiNet 改进 YOLO26 的主干网络，通过谐波卷积建模目标结构对称性并结合SO(2)群平均实现旋转不变性，从而显著提升模型在任意方向、结构规则目标场景下的检测鲁棒性与精度，尤其适用于遥感和复杂几何分布场景。为了更新学习使用最新-最前沿的技术，本文将改进点以及在代码里实现了，等这篇CVPR 2026论文发布后，再进行详细介绍细节创新！如果小伙伴对这篇文章的创新点感兴趣，可以给小伙伴推荐一篇ICCV 2021年我看过的相关论文。在本文末尾！
包含2种主干改进: \’RISPiDiNet_T\’,\’RISPiDiNet_S\’
🔥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、RIS-PiDiNet主干网络介绍
三、RIS-PiDiNet主干的核心代码
四、手把手教你添加RIS-PiDiNet主干网络结构和修改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 ：在tasks.py中找到这个参数方法 def parse_model(d, ch, verbose=True):
关键步骤一：
关键步骤二：
关键步骤三：
关键步骤四：
五、创建涨点yaml配置文件
🚀创新改进1 🔥: yolo26_RISPiDiNet-T.yaml
🚀创新改进2 🔥: yolo26_RISPiDiNet-S.yaml
六、更换RISPiDiNet主干，正常运行
二、RIS-PiDiNet主干网络介绍
摘要：本文介绍了RIS-PiDiNet方法，用于解决遥感图像中目标具有任意旋转和结构对称性的难题。该方法通过引入几何先验构建几何一致性检测器，包含两个核心模块：S-PDC利用极谐变换的谐波核建模目标的结构对称性，RIS-PDC通过对多个旋转角度进行SO(2)群平均实现旋转不变性；同时，网络采用基于RIS-block的主干结构并融合轻量级LBP特征，以增强细粒度结构表达能力，从而提升复杂遥感目标的检测性能。
