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
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。
订阅专栏 解锁全文
313



被折叠的 条评论
为什么被折叠?



