【YOLOv8改进 - 卷积Conv】DWRSeg：扩张式残差分割网络，提高特征提取效率和多尺度信息获取能力，助力小目标检测

YOLO目标检测创新改进与实战案例专栏

专栏目录： YOLO有效改进系列及项目实战目录 包含卷积，主干 注意力，检测头等创新机制 以及 各种目标检测分割项目实战案例

专栏链接: YOLO基础解析+创新改进+实战案例

介绍

摘要

许多当前的研究直接采用多速率深度扩张卷积，以同时从一个输入特征图中捕获多尺度上下文信息，从而提高实时语义分割的特征提取效率。然而，由于不合理的结构和超参数，这种设计可能导致难以获取多尺度上下文信息。为了降低获取多尺度上下文信息的难度，我们提出了一种高效的多尺度特征提取方法，将原来的单步方法分解为两个步骤：区域残差化-语义残差化。在这种方法中，多速率深度扩张卷积在特征提取中扮演了一个简单的角色：在第二步中基于第一步提供的每个简明区域形式的特征图，执行具有一个期望感受野的简单基于语义的形态滤波，以提高其效率。此外，还详细说明了每个网络阶段的扩张率和扩张卷积的容量，以充分利用所有可以实现的区域形式的特征图。相应地，我们分别为高层和低层网络设计了一个新颖的扩张残差（DWR）模块和一个简单反转残差（SIR）模块，并形成了一个强大的DWR分割（DWRSeg）网络。在Cityscapes和CamVid数据集上的大量实验表明，我们的方法通过在准确性和推理速度之间实现最先进的权衡，展示了其有效性，并且重量更轻。在没有预训练或使用任何训练技巧的情况下，我们在Cityscapes测试集上以每秒319.5帧的速度在一张NVIDIA GeForce GTX 1080 Ti显卡上达到了72.7%的mIoU，这超过了最新方法的69.5帧每秒的速度和0.8%的mIoU。代码和训练好的模型已公开可用。

基本原理

DWRSeg（Dilation-wise Residual Segmentation）是一种用于实时语义分割任务的网络架构，旨在提高特征提取效率和多尺度信息获取能力。以下是关于DWRSeg及其技术原理的详细介绍：

• DWRSeg采用了一种高效的多尺度特征提取方法，将原始的单步方法分解为两步：区域残差化（Region Residualization）和语义残差化（Semantic Residualization）。这种方法利用多率扩张卷积（depth-wise dilated convolutions）在两个步骤中提取特征，以实现更高效的多尺度信息获取。
• DWRSeg设计了一种新颖的Dilation-wise Residual（DWR）模块和Simple Inverted Residual（SIR）模块，分别用于网络的高阶段和低阶段。这些模块具有精心设计的感受野大小，以充分利用各个网络阶段的区域形式特征图。
• DWRSeg的整体架构是基于编码器-解码器结构，包括干扰块、SIR模块的低阶段和两个DWR模块的高阶段。编码器用于特征提取，解码器用于生成最终预测结果，无需辅助监督。
• DWRSeg通过精心调整整个网络的超参数，实现了在准确性和效率之间的最佳平衡。最终，DWRSeg报告了两个版本：DWRSeg-Base（DWRSeg-B）和DWRSeg-Large（DWRSeg-L）。

核心代码

class DWRSeg_Conv(nn.Module):
    def __init__(self, in_channels, out_channels, kernel_size=1, stride=1, groups=1, dilation=1):
        super().__init__()
        self.conv = Conv(in_channels, out_channels, k=1)
 
        self.dcnv3 = DWR(out_channels)
 
        self.bn = nn.BatchNorm2d(out_channels)
        self.gelu = nn.GELU()
 
    def forward(self, x):
        x = self.conv(x)
 
        x = self.dcnv3(x)
 
        x = self.gelu(self.bn(x))
        return x

task与yaml配置

详见： https://blog.csdn.net/shangyanaf/article/details/140336972