Yolov8-pose关键点检测：CVPR2026 PFGNet | 融合外周频率门控(PFG)与 C2f 的动态感受野增强 | 小目标检测新利器

💡💡💡将PFG 的核心思想引入 YOLO，并与C2f模块结合，可以显著提升模型在复杂场景下的特征表达能力和自适应感受野调节能力。下面是具体的融合方案与优势分析。🔍 核心思路：用 PFG 替换 C2f中的部分卷积操作C2f 是 YOLO 中用于高效特征提取的核心模块，它通常包含多个分支（例如卷积、跨阶段连接等）。PFG 的核心优势在于：频率引导的自适应门控：利用梯度、拉普拉斯、局部方差等频谱线索，动态融合多尺度大核外周响应。可学习的中心抑制：通过大核与小核的差分，形成环形带通滤波器，增强运动/边缘相关的中频分量，抑制静态低频背景和高频噪声。完全可分离的大核卷积：所有大核分解为 1×k + k×1，保持计算高效。融合策略：将 C2f中的常规 3×3 卷积或部分大核卷积替换为PFG 风格的动态多尺度门控模块，同时保留 C2f的跨阶段部分连接和梯度流优化。