0. 前言本文介绍了SMT网络，并将其集成到ultralytics最新发布的YOLO26目标检测算法中，替换原有Backbone网络。SMT 是一种尺度感知调制与 Transformer 融合的混合视觉骨干网络，为 YOLO 注入“进化式混合”基因：SMT 以尺度感知调制在浅层精雕细节，用多头自注意力在深层统揽全局，在 COCO 检测上以 32M 参数超越 Swin-B 4.2 mAP，让 YOLO 在目标检测中既能看清纹理又能理解语义，重新定义混合架构的性能天花板！专栏链接：YOLO系列算法改进专栏链接专栏文章：YOLO26改进系列 | 卷积篇、轻量化、注意力、损失函数、Backbone、SPPF、C2PSA、Neck、检测头全方面保姆级优化合集 | 同样适配YOLOv11改进！！！目录0. 前言1.SMT网络简介2.SMT网络原理与创新点🧠SMT网络基本原理🎯SMT网络创新点3.具体改进步骤🍀🍀步骤1：创建SMT.py文件🍀🍀步骤2：tasks.py文件修改⚡1.SMT网络导入⚡2.SMT网络注册⚡3. 其他修改1（Ctrl+F搜索定位一下）⚡4. 其他修改2（Ctrl+F搜索定位一下）⚡5. 其他修改3（_predict_once函数修改）🍀🍀步骤3：创建YAML配置文件🍀🍀步骤4：新建train.py文件训练模型🍀🍀步骤5：模型结构打印结果1.SMT网络简介本文提出了一种新的视觉 Transformer，称为尺度感知调制 Transformer，它通过结合卷积网络和视觉 Transformer，能够高效处理各种下游任务。SMT 中提出的尺度感知调制包含两个主要新颖设计。首先，我们引入了多头混合卷积模块，它可以捕获多尺度特征并扩大感受野。其次，我们提出了尺度感知聚合模块，它轻量而有效，能够实现不同 head 间的信息融合。通过利用这两个模块，卷积调制得到进一步增强。此外，与以往在所有阶段使用调制构建无注意力网络的工作不同，我们提出了一种进化式混合网络，它能够有效模拟随着网络加深从捕获局部依赖到全局依赖的转变，从而实现卓越的性能。大量实验表明，SMT 在广泛的视觉任务上显著优于现有最先进模型。具体来说，SMT 在 ImageNet-1K 上以 11.5M/2.4GFLOPs 和 32M/7.7GFLOPs 分别达到 82.2% 和 84.3% 的 top-1 精度。在 ImageNet-22K 上以 224² 分辨率预训练后，在 224² 和 384² 分辨率微调下分别达到 87.1% 和 88.1% 的 top-1 精度。对于使用 Mask R-CNN 的目标检测，采用 1× 和 3× 训练计划的 SMT base 在 COCO