【YOLO26创新改进】CVPR 2026 | 特征融合改进篇 | 使用FAAFusion傅里叶角度对齐融合模块，适合遥感旋转目标检测、红外-可见光图像融合，航拍与无人机目标检测、实例分割任务

一、本文介绍⭐本文在YOLO26模型中引入FAAFusion傅里叶角度对齐融合模块模块，可先利用低层特征中清晰的边缘、纹理和方向信息，通过傅里叶频谱估计局部主方向，再将高层语义特征旋转到一致方向后进行融合，从而缓解传统FPN直接相加造成的跨尺度方向冲突；该设计能够使高层类别语义与低层几何细节更准确对应，提升飞机、舰船、车辆、桥梁等任意朝向目标及细长目标的角度预测、轮廓表达和边界框定位精度，尤其有利于遥感小目标、密集目标和旋转目标检测。同时，模块保留低层特征、原始高层特征和方向对齐特征三条信息路径，可减少旋转插值造成的信息损失，并通过通道压缩与局部区域处理控制额外开销，具有方向一致性强、跨尺度融合充分、易于替换YOLO26颈部普通融合节点和几何定位能力较好的优势。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、FAAFusion傅里叶角度对齐融合模块介绍2.1，FAAFusion傅里叶角度对齐融合模块的结构图2.2，FAAFusion傅里叶角度对齐融合模块的核心思想2.3，FAAFusion傅里叶角度对齐融合模块的作用2.4，FAAFusion傅里叶角度对齐融合模块的原理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、FAAFusion傅里叶角度对齐融合模块介绍摘要：在遥感旋转目标检测领域，主流方法面临两大瓶颈：检测器颈部的定向不相干性以及检测头部的任务冲突。利用傅里叶旋转等变性特性，我们提出了“傅里叶角度对齐”方法，该方法通过频谱分析角度信息，并将主方向调整至特定朝向。随后，我们提出了两个即插即用模块：“FAAFusion”和“FAA Head”。FAAFusion作用于检测器颈部，将高层特征的主方向与低层特征对齐，然后进行融合；而FAA Head则作为新的检测头，先将感兴趣区域（RoI）特征预对齐至标准角度，再将其与原始特征结合，最后进行分类和回归。在 DOTA -v1.0、DOTAv1.5和HRSC2016数据集上的实验表明，我