YOLO26改进90：全网首发--c3k2模块添加LFEM模块：

论文介绍摘要遥感目标检测（RSOD）在复杂视觉环境中面临严峻挑战。航空与卫星图像固有地存在多种局限性，包括低空间分辨率、传感器噪声、目标模糊、低光退化以及部分遮挡。这些退化因素共同削弱了检测模型的特征可区分性，导致三个关键问题：（1）降低对比度，阻碍前景-背景分离；（2）边缘表征的结构不连续性；（3）光照变化引起的特征响应模糊。这些问题共同降低了模型的鲁棒性和实际部署可行性。为解决这些挑战，本文提出LEGNet——一种轻量级网络，其核心是专为低质量遥感图像设计的新型边缘-高斯聚合（EGA）模块。创新点在于将基于Scharr算子的边缘先验与不确定性感知的高斯建模协同整合：（a）方向感知的Scharr滤波器通过旋转不变性保留高频边缘细节；（b）不确定性感知的高斯层通过方差估计对低置信度特征进行概率化优化。该设计在保持结构简洁的同时实现了精度提升。在四个RSOD基准数据集（DOTA-v1.0、v1.5、DIOR-R、FAIR1M-v1.0）和一个无人机视角数据集（VisDrone2019）上的综合实验表明，LEGNet在五大基准上均达到最先进性能，同时确保计算高效性，非常适合资源受限的边缘设备在实际遥感应用中部署。代码已开源：https://github.com/lwCVer/LEGNet。关键术语说明Scharr算子