本文介绍了轻量级骨干网LWGANet及其核心模块LWGA在YOLOv11中的结合。现有用于遥感（RS）视觉质量分析的轻量级神经网络存在空间初始冗余和通道冗余问题，无法应对RS场景挑战。LWGA采用异构分组策略，将通道划分为4个不重叠子集，每个子集对应特定特征尺度，通过专用子模块处理并融合多尺度特征。我们将相关代码加入指定目录，在ultralytics/nn/tasks.py中注册，配置yolo11

本文介绍Mamba YOLO，为图片物体识别提供了“又快又准”的新方案。传统CNN架构运行快但难以捕捉远距离关联物体，Transformer架构精度高但计算量呈平方级增长，而SSM虽计算量为线性级且能抓全局关联，但用于图片识别时细节定位不准。为此，Mamba YOLO做了三项关键优化：引入ODMamba骨干网络，解决自注意力的二次复杂度问题，且无需预训练；设计ODMamba宏观结构确定最佳阶段比例