前言本文介绍了高效卷积模块SFS - Conv及其在YOLO26中的结合应用。传统深度卷积神经网络在合成孔径雷达（SAR）目标检测中存在特征冗余、信息单一问题，现有轻量模型或压缩方法会导致性能下降。SFS - Conv采用“分流 - 感知 - 选择”策略，将输入特征图分流为空间和频率维度，分别通过空间感知单元（SPU）和频率感知单元（FPU）提取特征，再由通道选择单元（CSU）自适应融合。基于此模块构建了轻量级SAR目标检测网络SFS - CNet。我们将相关组件集成进YOLO26，实验表明其在SAR目标检测基准数据集上优于当前先进模型，且减少了模型规模和计算成本。文章目录： YOLO26改进大全：卷积层、轻量化、注意力机制、损失函数、Backbone、SPPF、Neck、检测头全方位优化汇总专栏链接: YOLO26改进专栏介绍