一、引言本文提出了一项针对轻量级目标检测网络的改进方案——通过引入通道自适应缩放机制优化主干网络结构。该机制源自RT-DETR架构中曾使用的特征提取策略，经过二次创新后适配到YOLOv8框架。当我们将重新设计的PulseNetV2（脉动网络V2）集成至YOLOv8n作为特征提取主干时，模型参数量仅需2.3M，计算量控制在6.7 GFLOPs。实验表明，替换后主干网络的GFLOPs显著降低，同时mAP精度提升0.05，实现了效率与性能的双重优化。本文内容为独立整理的技术方案，所有模块均可即插即用，支持无缝集成到现有网络架构中。二、架构原理PulseNetV2的整体架构采用层次化特征提取设计：![架构示意图]该网络由多个HieraBlock（层级块）堆叠而成，每个HieraBlock包含多尺度卷积与残差连接。整体架构包含以下核心组件：RootStem（根干层）：网络的初始预处理层，通过5层卷积与池化操作完成原始输入数据的初步特征提取与下采样。HieraBlock（层级特征块）：网络的核心计算单元，采用分层方式处理多尺度特征。每个块内包含多条并行的卷积路径，允许网络同时学习