【YOLO26创新改进】TGRS 2026 | Transformer变体改进篇 | 使用LCGA局部曲率引导注意力，通过自适应融合标准注意力与曲率引导注意力，适合遥感小目标检测、旋转目标检测任务

一、本文介绍⭐本文在YOLO26目标检测模型中引入LCGA局部曲率引导注意力模块，利用可学习曲率代理感知目标边缘、转角、细线和弯曲轮廓，并在局部窗口内增强这些几何显著区域的注意力，从而改善车辆、舰船、飞机、建筑等小目标或旋转目标的轮廓完整性与定位精度，减少复杂纹理背景导致的注意力偏移、误检和漏检；同时，LCGA通过自适应融合标准注意力与曲率引导注意力，在强化关键边界的同时保持平坦区域和普通纹理的特征稳定，并采用深度卷积与窗口化计算控制额外开销，具有几何结构感知强、边界保持好、易于模块化集成以及精度—效率平衡较佳等优势。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、LCGA局部曲率引导注意力介绍2.1，LCGA局部曲率引导注意力的结构图2.2，LCGA局部曲率引导注意力的核心思想2.3，LCGA局部曲率引导注意力的作用2.4，LCGA局部曲率引导注意力的原理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🚀六、成功运行结果演示二、LCGA局部曲率引导注意力介绍摘要：遥感（RS）图像超分辨率（SR）技术可支持地图绘制、监测及识别等下游任务；然而，编码场景拓扑结构的曲线形结构与重复纹理会因下采样而产生混叠现象。缺乏几何先验条件的通用注意力机制往往会导致边缘锯齿化和细节模糊。为解决这一问题，我们提出了曲率引导注意力（CGA），该方法在标准Transformer框架内，将曲率信息注入局部窗口注意力机制及基于令牌的全局聚合过程。局部曲率引导注意力（LCGA）可强化窗口内的边缘与线性连续性，而曲率引导令牌注意力（CGTA）则能以近线性复杂度选择具有全局信息量的令牌，从而避免使用重量级的全局模块及额外