前言本文介绍了大型选择性核网络（LSKNet）及其在YOLO26中的结合应用。LSKNet考虑遥感场景先验知识，能够动态调整大空间接收场，以模拟各种对象的范围上下文。它引入LSKblock Attention注意力机制，通过空间选择性机制动态调整感受野。其结构包含LSK module和LSK Block，通过大核卷积序列和空间选择机制，有效捕获长距离上下文信息。我们将LSKblockAttention模块集成进YOLO26，替换部分原有模块。实验表明，LSKNet在多个检测基准测试中取得新的最优成绩，展现了其在目标检测领域的卓越性能。文章目录： YOLO26改进大全：卷积层、轻量化、注意力机制、损失函数、Backbone、SPPF、Neck、检测头全方位优化汇总专栏链接: YOLO26改进专栏文章目录前言介绍摘要创新点文章链接基本原理**LSKNet的结构**3.2 大核卷积3.3 空间核选择核心代码YOLO26引入代码tasks注册步骤1:步骤2配置yolo26-lsknet.yaml实验脚本结果介绍摘要当前遥感目标检测研究主要聚焦于定向边界框表示能力的提升，然而普遍忽视了遥感场景中特有的先验知识。此类先验知识具有重要价值，因为在缺乏充分长距离上下文信息参考的情况下，微小遥感目标易产生误检现象，且不同类别目标所需的长距离上下文范围存在显著差异。针对这一关键问题，本文充分考虑遥感场景先验特性，提出了大型选择性核网络（LSKNet）。该网络能够动态调整其大尺度空间感受野，从而更精确地模拟遥感场景中各类目标的上下文范围特征。据我们所知，本研究首次在遥感目标检测领域系统探索大型选择性核机制的应用。在不引入额外复杂设计的前提下，所提出的轻量级LSKNet在标准遥感图像分类、目标检测及语义分割基准测试中均取得了最先进的性能水平。创新点LSKblock Attention：LSKNet引入了LSKblock Attention作为一种注意力机制，通过空间选择性机制动态调整感受野，以更有效地处理不同目标类型的广泛上下文。这种机制允许模型根据输入自适应地确定大型核的权重，从而在空间维度上调整每个目标的感受野。大型选择性核网络：LSKNet是首个在遥感目标检测领域探索大型和选择性核机制的模型。它通过加权处理大型深度核的特征，并在空间