YoloV9改进策略：Block改进|PromptIR（NIPS‘2023）样|轻量高效，即插即用(适用于分类、分割、检测等多种场景)

摘要

本文使用PromptIR框架中的PGM模块来改进YoloV9。PGM（Prompt Generation Module）模块是PromptIR框架中的一个重要组成部分，主要负责生成输入条件化的提示（prompts）。这些提示是一组可学习的参数，它们与输入特征相互作用，以嵌入有关各种类型图像退化的信息。

PGM模块的核心功能是动态地从输入特征中预测基于注意力的权重，并将这些权重应用于提示组件以产生输入条件化的提示P。具体来说，PGM首先对输入特征进行全局平均池化操作，以生成一个特征向量v。然后，这个特征向量通过一个通道降采样卷积层，获得一个紧凑的特征向量，接着执行softmax操作，得到提示组件的权重w。最后，使用这些权重来调整提示组件，并通过一个3×3的卷积层来输出最终的提示P。

此外，为了使提示组件能够在不同分辨率的输入图像上工作，PGM还会对提示组件进