YOLO26已经原生支持了知识蒸馏，只需要在训练命令里加一个参数，就能让小模型从大模型那里“偷师”学艺，精度肉眼可见地提升。

YOLO11 OBB实现自有数据集缺陷旋转目标检测,从1）数据标记；2）数据json格式转换成适合yolo的txt格式；3）如何训练模型；

DCNv4结合SPPF+DCNv4结合11Detect+双注意力块（DAB）​​​​​​​创新性结合，原始mAP50为0.633 提升至0.660

电力线路绝缘子的检测对于确保电网可靠性和防止因绝缘部件损坏或退化引发的故障至关重要。近年来，无人机结合基于深度学习的视觉系统已成为实现该过程自动化的有效解决方案。然而，由于缺陷区域小、故障模式异质、背景复杂以及成像条件多变，绝缘子故障检测仍然具有挑战性。为应对这些挑战，本文提出了一种优化的YOLO26-MoE，这是一种新颖的目标检测架构，它将稀疏混合专家模块集成到 YOLO26 检测器的高分辨率分

提出协作框架CollabOD：首个面向无人机小目标检测的轻量级多骨干协同与跨尺度视觉网络，兼顾精度与效率。

检测该数据集可训练AI精准识别机场区域的威胁无人机，有效防止跑道入侵事故，同时避免因背景干扰产生的误报，提升航空安全防护能力。

如何用红外无人机小目标训练YOLOv13-seg和YOLO11-seg模型以及训练结果可视化；

混合型扩张型残差注意力(HDRAB)：mAP从原始的0.773提升至0.779

可变形双级路由注意力（DBRA）结合C2PSA，Pose mAP50 有原先的0.871 提升至0.913，提升四个多点实现暴力涨点

通过魔改SimAM注意力提升YOLO11-pose的关键点检测能力，Pose mAP50 有原先的0.871 提升至0.885