一、本文介绍⭐本文在YOLO26中引入WDAM基于小波的方向注意力模块，可通过Haar小波将特征分解为低频语义与水平、垂直、对角高频细节，并利用方向性高频信息引导低频注意力聚焦目标区域。该模块能够强化目标边缘、轮廓和条带状结构，提升小目标、低对比度目标及复杂背景下的定位与识别能力，同时抑制噪声和无关区域响应。相比普通自注意力，WDAM仅在降采样后的低频分量上计算注意力，兼顾特征表达、计算效率和显存占用，适合部署于YOLO26的骨干网络或颈部特征融合阶段。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、WDAM小波方向注意力模块介绍2.1，WDAM小波方向注意力模块的结构图2.2，WDAM小波方向注意力模块的核心思想2.3，WDAM小波方向注意力模块的作用2.4，WDAM小波方向注意力模块的原理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、创新改进yaml模型文件创新改进点1🚀创新改进点2🚀创新改进点3🚀六、成功运行结果演示二、WDAM小波方向注意力模块介绍摘要：闪烁伪影由不稳定的光照和行间曝光不一致引起，在短曝光摄影中构成重大挑战，严重损害图像质量。与典型的伪影（如噪声和低光）不同，闪烁是一种具有特定时空模式的结构化退化，而当前通用的修复框架并未考虑这一特性，导致闪烁抑制效果不佳，甚至产生鬼影伪影。本研究揭示了闪烁伪影的两个内在特征：周期性和方向性，并提出了“Flickerformer”——一种基于Transformer的架构，能够有效消除闪烁伪影而不引入鬼影。具体而言，“Flickerformer”包含三个关键组件：基于相位的融合模块（PFM）、自相关前馈网络（AFFN）以及基于小波的定向注意力模块（WDAM）。基于周期性， PFM 通过帧间相位相关来自适应聚合突发特征；而 AFFN 则利用帧内结