yolo12

使用Mambaout替换YOLObackbone 整合全局信息，提升遮挡目标检测中定位能力，以及小目标、多尺度近年来，Transformer 架构虽在各类任务中成为主流，但注意力机制的二次复杂度对长序列处理构成挑战。为此，类似 RNN 的模型如 Mamba 被引入，其核心是状态空间模型（SSM），旨在以线性复杂度处理长序列。然而，将 Mamba 应用于视觉任务时，其性能常不及卷积和基于注意力的模型。研究发现，Mamba 更适合兼具长序列和自回归特性的任务，而多数视觉任务（如图像分类）并不满足这些特性。基于此，研究者提出 MambaOut，通过移除 Mamba 块中的 SSM，仅保留门控 CNN 结构，验证 SSM

YOLO12 改进｜融入大 - 小卷积LS Convolution 捕获全局上下文与小核分支提取局部细节，提升目标检测中的多尺度传统卷积核尺寸固定（如 3×3、5×5），在目标检测任务中面临两难：小卷积核（如 YOLOv5/YOLOv8 中的 3×3）：计算高效但感受野有限，对大目标或密集场景建模能力不足。大卷积核（如 11×11、13×13）：能捕获全局上下文，但参数量爆炸（如 13×13 卷积参数量是 3×3 的 20 倍以上），易过拟合且计算低效。LS Convolution（Large-Small Convolution）应运而生，旨在平衡全局感知与局部细节，并通过结构创新降低大核计算成本

YOLO12 改进｜融入 Mamba 架构：插入视觉状态空间模块 VSS Block 的硬核升级在医学图像分割领域，传统卷积神经网络（CNNs）受限于局部感受野，难以捕捉长距离依赖关系，而基于 Transformer 的模型因自注意力机制的二次计算复杂度，在处理高分辨率图像时效率低下。近年来，状态空间模型（SSMs）如 Mamba 展现出线性复杂度建模长序列的优势，其视觉变体 Vision Mamba（VMamba）通过引入二维选择性扫描机制，进一步提升了在图像任务中的全局特征提取能力。VSS Block 作为 VMamba 的核心组件，旨在解决传统模型在全局上下文建模与计算效率之间的矛盾，为医学图