YOLO26 全网独家改进创新：CVPR 2025 LSNet 大核小核主干，引入 See Large, Focus Small 机制！

购买相关资料后畅享一对一答疑！

微信公众号：Ai计算机视觉
畅享超多免费持续更新且可大幅度提升文章档次的纯干货工具！

本文将 CVPR 2025 LSNet: See Large, Focus Small 的核心思想融入 YOLO26 主干，形成 YOLO26-LSNetBackbone。
本改进不是简单替换一个卷积，而是将 LSNet 中“大范围感受野 + 小范围细节聚合”的设计重新封装为适配 YOLO26 的 LSNetStage，用于替换原主干中的 C3k2 stage。检测头、PAN-FPN、Detect(P3/P4/P5) 全部保持不变，便于消融实验和论文复现。

---

1. 原文摘要翻译和介绍的翻译总结提炼

1.1 论文与代码出处

论文名称：LSNet: See Large, Focus Small
会议：CVPR 2025
论文页面：https://openaccess.thecvf.com/content/CVPR2025/html/Wang_LSNet_See_Large_Focus_Small_CVPR_2025_paper.html

1.2 摘要翻译式提炼

LSNet 的核心目标是解决轻量视觉主干中的两类矛盾：一方面，网络需要足够大的感受野来理解目标与背景之间的上下文关系；另一方面，网络又必须保留局部纹理、边缘与小目标细节。传统小卷积堆叠虽然稳定，但扩大感受野的效率不高；直接引入大核卷积虽然能看到更大范围，却可能增加计算压力并稀释局部细节。LSNet 提出 “See Large, Focus Small” 的结构思想，通过大核分支观察全局空间关系，通过小核分支保留局部精细响应，从而提升轻量模型在分类、检测和分割任务中的表达能力。

1.3 引言总结提炼

论文的引言部分强调，轻量主干网络不能只追求参数少和速度快，还要考虑空间建模能力。目标检测任务中，目标尺度变化、背景干扰、小目标边界模糊等问题非常常见。如果主干 stage 只依赖固定的局部卷积，模型很容易出现“看不远”或“看大范围时丢细节”的问题。LSNet 的价值在于，它提供了一种 CNN 友好的大/小感受野协同方式，不需要复杂的 Transformer 注意力矩阵，也不依赖额外序列建模库，非常适合嵌入 YOLO26 这类实时检测框架。

---

2. 为什么要融合（写作的切入点哈）

2.1 为什么 YOLO26 适合融合 LSNet

YOLO26 原主干结构中，C3k2 是主要特征提取 stage：

Conv(P1/2) -> Conv(P2/4) -> C3k2 -> Conv(P3/8)
           -> C3k2 -> Conv(P4/16) -> C3k2
           -> Conv(P5/32) -> C3k2 -> SPPF -> C2PSA

原 C3k2 的优势是结构轻、训练稳定、速度快；不足是单个 stage 内的空间感受野仍以局部卷积为主。对复杂检测任务而言，它可能在以下场景中受限：

检测问题	原 YOLO26 可能的不足	LSNet 融合后的补充
小目标边缘弱	局部纹理容易被深层下采样削弱	小核分支强化局部细节
背景干扰强	单纯局部卷积难以区分目标与大背景	大核分支扩大上下文范围
多尺度目标共存	固定卷积感受野适配性有限	大核 + 小核并行兼顾尺度变化
轻量部署需求	Transformer 类模块成本较高	深度卷积结构更部署友好

2.2 融合策略

本文采用 只替换主干 C3k2，不改变检测头 的方式：

原 YOLO26: C3k2
改进 YOLO26: LSNetStage

替换后的 yaml 文件：

ultralytics/cfg/models/26/yolo26-LSNetBackbone.yaml

2.3 LSNetStage 核心结构

输入 x
  ├── 1x1 Conv 分支 A
  │     └── LSConvBlock
  │           ├── Large depthwise convolution
  │           ├── Small depthwise convolution
  │           ├── BN + SiLU
  │           ├── 1x1 channel mixer
  │           └── LayerScale residual
  └── 1x1 Conv 分支 B
Concat(A, B) -> 1x1 Conv -> 输出

2.4 关键代码解释

class LSConvBlock(nn.Module):

定义 LSNet 的核心卷积块。它不是完整照搬论文网络，而是抽取 LSNet 中最适合 YOLO 主干的“大核 + 小核”思想。

self.large = nn.Conv2d(channels, channels, large_kernel, padding=large_kernel // 2, groups=channels, bias=False)

大核深度卷积负责扩大感受野。groups=channels 表示 depthwise convolution，可以显著减少参数量和计算量。

self.small = nn.Conv2d(channels, channels, small_kernel, padding=small_kernel // 2, groups=channels, bias=False)

小核深度卷积负责保留局部纹理、边缘和小目标细节。

y = self.bn(self.large(x) + self.small(x))

将大核分支和小核分支相加，然后用 BN 稳定分布，避免两个空间分支响应尺度不一致。

return x + self.scale(y)

用残差方式输出，并通过 LayerScale 控制新增分支在训练初期的影响，减少训练震荡。

class LSNetStage(nn.Module):

定义 YOLO26 可解析的 stage 级模块。它的构造函数是 LSNetStage(c1, c2, n, ...)，可以被 tasks.py 自动解析。

self.cv1 = Conv(c1, hidden, 1, 1)
self.cv2 = Conv(c1, hidden, 1, 1)

构建 CSP 双分支。主分支进入 LSConvBlock，旁路分支保留原始稳定特征。

self.cv3 = Conv(hidden * 2, c2, 1, 1)

两条分支拼接后压回目标通道数，保证输出通道与 YOLO26 后续层匹配。

---

3. 整合三种融合方法总览

3.1 YOLO26-LSNetBackbone 网络结构图

3.2 yaml 改动

原 YOLO26：

- [-1, 2, C3k2, [256, False, 0.25]]
- [-1, 2, C3k2, [512, False, 0.25]]
- [-1, 2, C3k2, [512, True]]
- [-1, 2, C3k2, [1024, True]]

LSNet 改进：

- [-1, 2, LSNetStage, [256, 0.50, 7, 3, 2.0]]
- [-1, 2, LSNetStage, [512, 0.50, 7, 3, 2.0]]
- [-1, 2, LSNetStage, [512, 0.50, 9, 3, 2.0]]
- [-1, 2, LSNetStage, [1024, 0.50, 9, 3, 2.0]]

参数说明：

参数	含义
256/512/1024	stage 输出通道
0.50	CSP 隐藏通道比例
7/9	大核卷积核大小
3	小核卷积核大小
2.0	channel mixer 扩展比例

3.3 验证结果

模型	参数量	stride	前向
YOLO26-LSNetBackbone	2,431,112	[8,16,32]	通过

训练命令：

yolo detect train model=ultralytics/cfg/models/26/yolo26-LSNetBackbone.yaml data=your_data.yaml imgsz=640 epochs=100 batch=16

---

4. 创新点表述（仅供参考，可举一反三）

本文提出一种面向 YOLO26 的 LSNet 主干增强方法。该方法将 LSNet 中 “See Large, Focus Small” 的大/小感受野协同思想引入 YOLO26 主干 C3k2 阶段，通过大核深度卷积分支扩大上下文感受野，通过小核深度卷积分支保留局部纹理细节，并采用 CSP 旁路和 LayerScale 残差抑制训练初期的特征分布扰动。该设计在不改变 PAN-FPN 检测头和输出尺度的前提下，提高了主干对多尺度目标、弱边缘目标和复杂背景的表征能力。

可以写成论文贡献点：

1. 提出 LSNetStage，将大核全局观察与小核局部聚焦机制融入 YOLO26 主干。
2. 采用 CSP 双分支保留稳定特征旁路，降低新增卷积分支对训练稳定性的影响。
3. 在保持 Detect(P3/P4/P5) 输出不变的情况下增强主干多尺度空间建模能力，便于与原 YOLO26 进行公平消融。

---

5. 原网络和融合后特点对比

项目	原 YOLO26	YOLO26-LSNetBackbone
主干模块	C3k2	LSNetStage
感受野	以局部卷积为主	大核 + 小核协同
小目标细节	依赖浅层特征	小核分支增强
上下文建模	中等	更强
部署友好性	高	高
训练风险	低	低

写在最后

学术因方向、个人实验和写作能力以及具体创新内容的不同而无法做到一通百通，关注UP：Ai学术叫叫兽
在所有B站资料中留下联系方式以便在科研之余为家人们答疑解惑，本up主获得过国奖，发表多篇SCI，擅长目标检测领域，拥有多项竞赛经历，拥有软件著作权，核心期刊等经历。
因为经历过所以更懂小白的痛苦！
因为经历过所以更具有指向性的指导！

祝所有科研工作者都能够在自己的领域上更上一层楼！

微信公众号：Ai计算机视觉