YOLOv11涨点改进 | 独家Conv篇 | ECCV 2024| YOLOv11添加WTConv小波卷积, 能够更有效地捕捉局部和全局特征, 助力高效涨点

一、本文介绍

本文给大家介绍一种WTConv小波卷积优化YOLOv11模型!实验表明,WTConv在ImageNet分类、语义分割和目标检测等多个视觉任务中提升了性能,并增强了网络对图像损坏的鲁棒性与形状偏置。

全新YOLOv11专栏限时订阅链接:全新YOLOv11创新改进高效涨点+永久更新中(至少500+改进)+高效跑实验发论文

目录

一、本文介绍

二、WTConv模块介绍

WTConv模块动机:

WTConv模块优势:

三、WTConv 核心代码

四、手把手教你添加模块和修改task.py文件

五、创建涨点yaml配置文件

🚀 创新改进:

六、创新改进,正常运行演示

 

二、WTConv模块介绍

摘要:近年来,人们尝试增加卷积神经网络 (CNN) 的 kernel size,以模仿 Vision Transformers (ViTs) 自注意力模块的全局 receptive field。然而,这种方法很快达到了上限并饱和,远未实现全局 receptive field。在这项工作中,我们证明了通过利用 Wavelet Transform (WT),实际上可以获得非常大的 receptive field,而不会受到过度参数化的影响,所提出的层,名为 WTConv,可以用作现有架构中的直接替代品,从而产生有效的多频响应,并随着 receptive field 的大小优雅地扩展。我们展示了 WTConv 层在 ConvNeXt 和 MobileNetV2 架构中用于图像分类以及下游任务骨干网络中的有效性,并表明它可以产生额外的属性,例如对图像损坏的鲁棒性以及对形状而非纹理的增强响应。

WTConv小波卷积如何提升YOLOv11目标检测性能 在计算机视觉领域,卷积神经网络(CNN)通过局部感受野机制提取图像特征,但传统卷积操作存在感受野有限和计算效率低下的问题。小波变换作为一种多尺度分析工具,能够同时捕捉图像的高频细节和低频轮廓信息。WTConv创新性地将小波变换融入卷积操作,通过哈尔小波分解生成多个频带特征,在保持3×3卷积计算量的同时实现7×7卷积的感受野。这种技术在YOLOv11目标检测框架中的应用表明,其不仅能在COCO数据集上提升1.8%的mAP精度,特别适合无人机航拍等小目标检测场景。工程实践中,WTConv模块需要配合特定的学习率 阅读详情

相关推荐

YOLOv11中的WTConv模块:小波变换提升目标检测精度

卷积神经网络(CNN)在计算机视觉领域广泛应用,但其传统卷积核存在感受野与计算量的矛盾。小波变换作为一种多分辨率分析工具,能够有效捕捉信号的时频特性。WTConv(Wavelet Transform Convolution)创新性地将小波变换引入CNN,通过分解输入特征图为多个子带(LL、LH、HL、HH),分别进行卷积运算,从而在不显著增加计算量的情况下扩大感受野。这种技术在目标检测领域尤其有价值,例如在YOLOv11中应用WTConv模块后,COCO数据集的mAP@0.5提升了2.3%,推理速度仅下降8

weixin_30905133的博客 313

即插即用篇 | YOLOv8 引入大感受野的小波卷积 | ECCV2024

即插即用篇 | YOLOv8 引入大感受野的小波卷积 | ECCV2024

Coding... 6175

卷积篇 | WTConv:小参数大感受野,基于小波变换的新型卷积 | ECCV 2024

文章介绍了一种名为WTConv的新型卷积层,它利用小波变换(WT)来增加卷积神经网络(CNNs)的感受野,而无需大幅增加可训练参数的数量。🌈

小哥谈 1713

Pointnet++改进即插即用系列:全网首发WTConv2d大接受域的小波卷积|即插即用,提升特征提取模块性能

近年来,人们一直试图增加卷积神经网络(cnn)的核大小,以模拟视觉变形者(ViTs)的全局接受场自注意块。然而,这种方法在达到全局接受场之前很快就达到了上限和饱和。在这项工作中,我们证明了通过利用小波变换(WT),实际上可以在不受过度参数化影响的情况下获得非常大的接受域,例如,对于k × k的接受域,所提出的方法中可训练参数的数量仅随k呈对数增长。所提出的层,称为WTConv,可以用作现有架构中的临时替代品,产生有效的多频响应。并随着接受野的大小优雅地缩放。

AIcurator的博客 3551

YOLOv11改进 | Conv/卷积篇 | 2024最新ECCV最新大感受野的小波卷积WTConv助力YOLOv11有效涨点

本文给大家带来的改进机制是一种新的卷积层,称为WTConv(小波卷积层),它利用小波变换(WT)来解决卷积神经网络(CNN)在实现大感受野时遇到的过度参数化问题。WTConv的主要目的是通过对输入数据的不同频率带进行处理,使CNN能够更有效地捕捉局部和全局特征,WTConv成功解决了CNN在感受野扩展中的参数膨胀问题,提供了一种更为高效、鲁棒且易于集成的卷积层解决方案,我将其用于二次创新YOLOv11中的C3k2机制可以减少一定参数量和计算量,达到一个可观的轻量化作用。

Snu77的博客 6233

YOLOv11改进 | Conv/卷积篇 | 2024最新ECCV最新大感受野的小波卷积WTConv助力YOLOv11有效涨点(二次创新C3k2)

本文给大家带来的改进机制是一种新的卷积层,称为WTConv(小波卷积层),它利用小波变换(WT)来解决卷积神经网络(CNN)在实现大感受野时遇到的过度参数化问题。WTConv的主要目的是通过对输入数据的不同频率带进行处理,使CNN能够更有效地捕捉局部和全局特征,WTConv成功解决了CNN在感受野扩展中的参数膨胀问题,提供了一种更为高效、鲁棒且易于集成的卷积层解决方案,我将其用于二次创新YOLOv11中的C3k2机制可以减少百分之十的参数量和计算量,达到一个可观的轻量化作用。

Snu77的博客 3252

YOLOv11改进 | Conv/卷积篇 | 2024 ECCV最新大感受野的小波卷积WTConv助力YOLOv11有效涨点

大感受野优势:等效15×15卷积核的感知范围多频带协同:低频定位与高频细节的互补增强动态适应性:学习各频带的最优融合权重部署友好:通过定制插件实现高效推理实验表明,WTConv在COCO数据集上可实现2.8%的mAP提升,对小目标检测的改善尤为显著(+6.7%)。这种基于频域分析的卷积创新为计算机视觉模型的架构设计提供了新思路,特别适用于需要多尺度感知的视觉任务。未来工作将聚焦于可学习小波基和硬件协同设计方向。

weixin_39818775的博客 1087

YOLOv11改进有效涨点专栏目录 | 含卷积、主干、注意力机制、Neck、检测头、损失函数、二次创新C2PSA/C3k2等各种网络结构改进

Hello,各位读者们好.本文为最新YOLOv11有效涨点专栏目录,YOLOv11以及发布了一个月左右,这个过程中我也是给大家整理了许多的机制,其中包含了C3k2、主干(均支持根据yolov11训练的版本进行二次缩放,全系列都能轻量化)、检测头、注意力机制、Neck多种结构上创新,也有损失函数和一些细节点上的创新。

Snu77的博客 8万+

YOLOv8改进有效系列目录 | 包含卷积、主干、检测头、注意力机制、Neck上百种创新机制

Hello,各位读者们好,本专栏自开设两个月以来已经更新改进教程120+余篇其中包含C2f、主干、检测头、注意力机制、Neck多种结构上创新,也有损失函数和一些细节点上的创新,订阅本专栏以后你不仅可以收获跟专栏的阅读权限,同时可以进Qq群,里面包含集成我所有创新的YOLO最新目录,和我本人录制的视频讲解教程,如果你想要在YOLOv8系列收获一篇论文,我相信订阅本专栏后你一定会有所收获~YOLOv8改进有效系列目录。

Snu77的博客 18万+

提升YOLOv11检测能力-Conv/卷积改进:使用小波卷积WTConv目标检测改进(附参考代码)

随着YOLO系列目标检测模型的持续发展,YOLOv11进一步提升了实时目标检测的精度和速度。然而,传统卷积操作在处理复杂图像时的感受野仍然受到限制,特别是在复杂背景和小目标的检测任务中。为了解决这个问题,2024年ECCV提出的Wavelet Transform Convolution(WTConv)引入了小波变换,帮助CNN(卷积神经网络)拓展感受野,同时避免了大卷积核带来的过度参数化问题。本文将深入探讨WTConv的工作原理,如何有效地提升YOLOv11的性能,并结合实际代码实现,展现如何将其集成到YO

一键难忘的博客 1310

全新YOLOv11有效涨点改进专栏目录 | 本专栏持续更新500+篇内容 | 包含各种卷积、主干网络、各种注意力机制、检测头、损失函数、小目标检测改进、二次创新模块、独家创新等几百种创新点改进

YOLOv11专栏持续更新500+种创新改进方案,涵盖卷积优化、注意力机制、主干网络、Neck特征融合、检测头、小目标检测等核心模块。提供独家创新点组合方案、模型轻量化改进及最新Mamba架构融合技术,配套完整实验代码和训练参数解析。订阅用户可加入专属答疑群,获取一键运行项目支持。专栏包含YOLOv11网络结构详解、配置文件解读等入门必读内容,助力科研论文发表与模型性能提升。限时开放订阅通道,提供多种涨点改进方案组合,满足不同研究需求。

Ai缝合怪、助力小伙伴高效发论文 4032

YOLOv13有效涨点改进专栏目录 | 本专栏持续更新500+篇内容 | 包含各种卷积、主干网络、各种注意力机制、检测头、损失函数、小目标检测改进、二次创新模块、独家创新等几百种创新点改进

《YOLOv13改进专栏重磅更新》推出500+创新改进方案,涵盖卷积、主干网络、注意力机制、检测头等核心模块优化。专栏提供完整项目代码及答疑服务,包含YOLOv13网络结构解析、环境配置、模型训练全流程指导。内容分为八大模块:卷积优化、注意力机制、细节涨点、主干网络改进、特征融合、检测头优化、小目标检测及Mamba联合改进等,支持多种创新点组合应用,助力科研论文发表。现开放限时订阅,提供试读章节和详细技术解析。

Ai缝合怪、助力小伙伴高效发论文 3414

YOLOv12改进专栏目录 | 本专栏持续更新500+篇内容 | 包含各种卷积、主干网络、各种注意力机制、检测头、损失函数、小目标检测改进、二次创新模块、独家创新等几百种创新点改进

《YOLOv12高效涨点改进专栏》提供500+创新改进方案,涵盖卷积、主干网络、注意力机制等模块优化,适用于检测、分割等任务。改进点来自顶会论文和个人经验,支持多种模型版本和任务场景。专栏包含详细教程、数据集增强、性能评估工具等,帮助科研人员快速实现模型优化和论文发表。提供完整运行项目和环境配置指导,适合计算机及相关专业研究人员使用,持续更新保障长期科研需求。

Ai缝合怪、助力小伙伴高效发论文 2345

【YOLOv11改进[Conv]】引入2024最新大感受野的小波卷积WTConv改进的C2f模块 | ECCV

引入2024最新大感受野的小波卷积WTConv改进的C2f模块 | ECCV

静谧、淡雅 389

YOLOv13改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进

1️⃣ 已更新种不同的改进方案,专栏内的每篇文章皆,均可顺利运行。2️⃣ 订阅专栏即可进群获取以及从的各种答疑内容。3️⃣ 全新的YOLOv13改进专栏,,只为更好的满足论文发表的要求。专栏内容,专栏实时评分,全网最高,质量保证。🎫。。

Limiiiing的博客 9188

如何利用CANoe在两路CAN通道之间创建网关(gateway)

CANoe网关,利用CAPL实现CAN转发

Richy_Lai的博客 7903

腾讯2020 unreal虚幻面试题

解析一下,腾讯的unreal客户端面试题: 1.lua性能优化的方向 申请的内存,是造成卡顿的原因之一,在C++与lua交互中,如果参数或者返回值有类变量,那么这个变量不会再交互的栈中存放数据,而会通过申请内存,再指定在交互,这样就造成卡顿,因此可以通过把C++的对象的每个参数分开单独传递,可以解决问题,当时我们游戏改完这个问题后,整体提升了2帧。 其实,主要是Tick循环中,减少与C++的交互,需要的数据不要每帧都去拿,其次,经常拿的一些数据(比方说主角信息),可以做一个lua缓存,...

qq_17347313的博客 1万+

STM32串口DMA双缓冲机制实战:提升数据传输效率的终极方案

本文深入解析了STM32串口DMA双缓冲机制的核心原理与实战配置。通过对比传统中断方式,阐述了双缓冲如何实现数据接收与处理的“无缝接力”,从而在工业传感器数据采集等高负载场景下,将CPU占用率降至极低水平并彻底避免数据丢失。文章提供了基于标准外设库的详细配置步骤、中断处理逻辑及性能实测数据,是提升嵌入式系统串口通信效率和可靠性的终极方案。

weixin_29192365的博客 82

避开这些坑!baostock获取股票数据时最容易犯的5个错误(Python实战)

本文针对使用Python和baostock库获取股票历史数据时常见的五大陷阱,提供了实战解决方案。重点剖析了登录状态验证、参数配置、数据解析、批量操作效率及数据一致性校验等关键环节,帮助开发者构建稳健高效的数据获取流程,避免因细节疏忽导致的数据错误或性能瓶颈。

websocket5live的博客 1448

RagFlow实战:如何用DeepDoc引擎高效处理扫描PDF文档(附完整代码解析)

本文详细解析了如何利用RagFlow的DeepDoc引擎高效处理扫描PDF文档。通过实战演示从环境搭建、PDF预处理、文本检测与识别,到布局分析与表格结构提取的完整流程,并提供了完整的代码实现。该方案超越了传统OCR,能输出保留原始版面信息的结构化数据,为构建高质量知识库提供了强大支持。

weixin_29245767的博客 300

RDMA学习笔记-IB五层网络协议和报文结构

Reference InfiniBand Architecture Specification Volume 1, Release 1.3 文章目录IBA 网络协议分层1.链路层1.1 LRH1.2 ICRC1.3 VCRC2.网络层(GRH)3.传输层3.1 BTH3.2 extended transport header4. 报文结构4.1 send request4.2 RDMA Write request4.3 RDMA Read request4.4 ACK4.5 Atomic operatio

u014114310的博客 9477

Unreal5从入门到精通之一文搞懂Unreal的C++代码编译之谜

我们在开发Unreal项目时,如果时蓝图模板的项目,一般问题不大,因为当你修改完蓝图,点击编译Compile+保存Save,就可以继续开发了。这对于开发者来说也非常友好。但是,如果你使用的C++模板开发项目,代码编译一切都变得魔幻起来,IDE(VS/Rider)里面有编译,编辑器里面也有编译,有什么区别呢?我们来列举几个新手常碰到的问题。1.代码我明明新建了,编辑器里怎么看不到?2.昨天我新家的功能运行的好好的,今天怎么感觉还是老逻辑。或者昨天加的新代码,新蓝图不见了。

TxNet 1608

在时间轴上联动多张内表:ABAP 的 PROVIDE ... ENDPROVIDE 区间联动迭代实战

PROVIDE 是 ABAP 中处理有效期区间数据的强大工具,它能自动将多张内表按时间维度切片并联合处理。其核心功能包括:指定区间边界字段(BOUNDS),定义外部总区间(BETWEEN),并通过工作区和标志位(VALID)标识每张表在当前子区间是否生效。该语法特别适合 HR 信息类型等有效期数据,能避免手动处理区间重叠、排序和空档等问题。使用时需注意字段投影(FIELDS)限制、工作区只读原则,以及异常处理(如区间重叠或未排序)。典型应用场景包括员工调岗记录、价格有效期管理等需要时间轴联动的业务逻辑。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 1675

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

上一篇: YOLOv11涨点改进 | 轻量化、主干改进篇 | CVPR 2024 | YOLOv11 更换StarNet主干,适合图像分类、目标检测和图像分割等任务、星星卷积虽小,却蕴藏着巨大的高效潜力
下一篇: YOLOv13涨点改进 | 独家Conv篇 | ECCV 2024| YOLOv13添加WTConv小波卷积, 能够更有效地捕捉局部和全局特征, 助力高效涨点
Ai缝合怪 博士
博客等级 码龄7年 2963粉丝 1907原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值