YoloV8改进策略:Intel的多维动态卷积,涨点更轻松
ODConv是一种更通用且优雅的动态卷积设计,利用多维注意力机制和并行策略,在任何卷积层学习卷积核沿四个维度的互补注意力。它可以作为普通卷积的替代品,并可插入到许多CNN架构中。(a)DyConv(CondConv使用GAP+FC+Sigmoid)和(b)ODConv的示意图比较。与CondConv和DyConv不同,它们为卷积核WiW_{i}Wi计算单个注意力标量αwiα_{wi}αwi,ODConv利用新颖的多维注意力机制,以并行方式为WiW_{i}Wi。
复制链接