引言：小目标检测，一个困扰了CV圈十年的“老大难”如果你做过无人机航拍、卫星遥感、安防监控或者工业质检，你一定被小目标检测折磨过。那些占据图像不到1%像素面积的目标——远距离的行人、高空中的无人机、生产线上的微小瑕疵——它们太小了，小到传统检测模型根本“看不见”它们。更扎心的是，不是模型能力不够，而是在训练的时候，这些小目标就被“分配”丢掉了。2026年1月14日，Ultralytics正式发布了YOLO26。由Glenn Jocher和Jing Qiu主导开发，这个模型在YOLO Vision 2025（YV25）大会上首次亮相。根据Ultralytics官方文档，YOLO26代表了YOLO家族的一次巨大代际飞跃，专为云端和边缘环境下的速度、精度和无缝部署而设计。而这次飞跃中最引人注目的创新之一，就是Small-Target-Aware Label Assignment（STAL，小目标感知标签分配）。STAL到底特殊在哪里？它解决了什么根本问题？它凭什么能让小目标检测从“看不见”变成“看得准”？这篇文章，我们就从标签分配这个被大多数人忽略的“隐形战场”切入，把YOLO26的STAL彻底拆透。一、问题篇：标签分配——小目标检测的“第一公里”困境1.1 什么是标签分配？为什么它决定了模型能不能“看见”小目标？在深入STAL之前，我们先搞清楚一