【模型改进】DORGM 改进 YOLO 系列：面向 VisDrone 小目标检测的多尺度特征解耦与软路由增强
任务：VisDrone2019-DET 无人机目标检测
改进对象：YOLOv8l、YOLOv10l、YOLO11l、YOLO12l、YOLO26l
改进模块：DORGM（Deep Orthogonal-Enhanced Generative Module）
插入位置：YOLO 检测头 P3/P4/P5 三个输出端
训练设置：300 epochs，imgsz=640，batch=128，8 GPU，seed=42
本文面向初学者，完整介绍如何把 DORGM 思想迁移到 YOLO 系列目标检测模型中。文章先给出改进效果，再解释为什么需要改进、DORGM 的来源与原理、代码和 YAML 如何修改，最后给出 5 个改进模型的 drawio 架构图和实验总结。
1. 改进效果先看结论
本轮实验只测试了 5 个 DORGM 改进模型。整体结果如下：
| Model | Params(M) | Inference(ms) | mAP50 | mAP50-95 | Precision | Recall |
|---|---|---|---|---|---|---|
| YOLO12l-DORGM |