YOLOv5改进系列：轻量化可变形AKConv助力降参提点

一、AKConv论文理论

论文地址：AKConv: Convolutional Kernel with Arbitrary Sampled Shapes and Arbitrary Number of Parameters

1.理论思想

本文提出的AKConv可变形卷积用于解决标准卷积针对不同大小目标的采样形式固定等问题，设计一种新的坐标生成算法为任意大小的卷积核定义初始位置，为适应不同大小目标，引入偏移量来调整每个位置的样本形状，通过设置不同形状和任意参数的卷积核来提取特征，使其更适合应用于实际工业项目中。

2.创新点

（1）可变卷积核设计：针对不同大小目标，改变卷积核的参数量从而调整卷积核的形状大小，提取不同目标特征。

（2）初始采样坐标算法：针对不同大小目标，自适应生成不同初始采样点，提高针对不同目标的处理精度。

（3）自适应采样位置调整：利用偏移量调整不规则卷积核的采样位置，提高特征提取能力。

（4)轻量化改进：卷积核形状大小变化，降低了卷积参数量&#