YOLOv11改进策略【卷积层】| ECCV-2024 小波卷积WTConv 增大感受野，降低参数量计算量，独家创新助力涨点

已于 2024-11-06 10:08:45 修改
阅读量793 收藏 1
点赞数 4
分类专栏： YOLOv11改进专栏 文章标签： YOLO 目标检测 计算机视觉 深度学习
于 2024-10-18 14:33:01 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42591591/article/details/143051775
版权

一、本文介绍

本文记录的是利用小波卷积WTConv模块优化YOLOv11的目标检测网络模型。WTConv的目的是在不出现过参数化的情况下有效地增加卷积的感受野，从而解决了CNN在感受野扩展中的参数膨胀问题。本文将其加入到深度可分离卷积中，有效降低模型参数量和计算量，并二次创新C3k2，使模块更好地捕捉低频特征，增强网络性能。

专栏目录：YOLOv11改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进

专栏地址：YOLOv11改进专栏——以发表论文的角度，快速准确的找到有效涨点的创新点！

文章目录

了解本专栏 订阅专栏 解锁全文
Limiiiing
关注
专栏目录
订阅专栏
YOLOv11改进策略【模型轻量化】| GhostNetV2：利用远距离注意力增强廉价操作
qq_42591591的博客
10-13 180
本文记录的是基于GhostNet V2的YOLOv11目标检测轻量化改进方法研究。在目前的研究中，基于轻量级卷积神经网络在建模长距离依赖方面的不足，引入自注意力机制虽能捕获全局信息，但在实际速度方面存在较大阻碍。提出了一种硬件友好的注意力机制（DFC attention），并基于此构建。
YOLOv8改进 | Conv篇 | 2024最新ECCV最新大感受野的小波卷积WTConv创新C2f（附代码 + 修改教程）
Snu77的博客
10-12 2056
官方论文地址点击此处即可跳转官方代码地址点击此处即可跳转这篇名为《用于大感受野的小波卷积》的文章提出了一种新的卷积层，称为WTConv（小波卷积层），它利用小波变换（WT）来解决卷积神经网络（CNN）在实现大感受野时遇到的过度参数化问题。WTConv的主要目的是通过对输入数据的不同频率带进行处理，使CNN能够更有效地捕捉局部和全局特征，而传统的CNN主要只能处理局部特征。以下是文章的主要内容总结：1. 问题背景：传统的CNN受限于卷积核的大小，难以有效捕捉全局上下文信息。
YOLOv10改进策略【卷积层】| ECCV-2024 小波卷积WTConv 增大感受野，降低参数量计算量，独家创新助力涨点
qq_42591591的博客
11-06 245
本文记录的是利用模块优化的目标检测网络模型。的目的是在不出现过参数化的情况下有效地增加卷积的感受野，从而解决了在感受野扩展中的参数膨胀问题。本文将其加入到深度可分离卷积中，有效降低模型参数量和计算量，并二次创新C3k2，使模块更好地捕捉低频特征，增强网络性能。Wavelet Convolutions for Large Receptive Fields小波卷积及其改进的实现代码如下： 四、创新模块 4.1 改进点1⭐ 模块改进方法：加入（第五节讲解添加步骤）。添加后如下：基于的深度可分离模块。在深度卷积中
RT-DETR改进策略【卷积层】| ECCV-2024 小波卷积WTConv 增大感受野，降低参数量计算量，独家创新助力涨点
qq_42591591的博客
11-26 39
本文记录的是利用模块优化的目标检测网络模型。的目的是在不出现过参数化的情况下有效地增加卷积的感受野，从而解决了在感受野扩展中的参数膨胀问题。本文将其加入到深度可分离卷积中，有效降低模型参数量和计算量，并二次创新，使模块更好地捕捉低频特征，增强网络性能。Wavelet Convolutions for Large Receptive Fields小波卷积及其改进的实现代码如下： 四、创新模块 4.1 改进点1⭐ 模块改进方法：加入（第五节讲解添加步骤）。添加后如下：模块改进方法：基于的（第五节讲解添加步骤）
YOLOv11改进 | Conv/卷积篇 | 2024最新ECCV最新大感受野的小波卷积WTConv助力YOLOv11有效涨点
Snu77的博客
10-13 1986
本文给大家带来的改进机制是一种新的卷积层，称为WTConv（小波卷积层），它利用小波变换（WT）来解决卷积神经网络（CNN）在实现大感受野时遇到的过度参数化问题。WTConv的主要目的是通过对输入数据的不同频率带进行处理，使CNN能够更有效地捕捉局部和全局特征，WTConv成功解决了CNN在感受野扩展中的参数膨胀问题，提供了一种更为高效、鲁棒且易于集成的卷积层解决方案，我将其用于二次创新YOLOv11中的C3k2机制可以减少一定参数量和计算量，达到一个可观的轻量化作用。
YOLOv5改进 | Conv篇 | 2024最新ECCV最新大感受野的小波卷积WTConv助力YOLOv5有效涨点
Snu77的博客
10-12 464
​官方论文地址点击此处即可跳转官方代码地址点击此处即可跳转​这篇名为《用于大感受野的小波卷积》的文章提出了一种新的卷积层，称为WTConv（小波卷积层），它利用小波变换（WT）来解决卷积神经网络（CNN）在实现大感受野时遇到的过度参数化问题。WTConv的主要目的是通过对输入数据的不同频率带进行处理，使CNN能够更有效地捕捉局部和全局特征，而传统的CNN主要只能处理局部特征。以下是文章的主要内容总结：1. 问题背景：传统的CNN受限于卷积核的大小，难以有效捕捉全局上下文信息。
YOLOv10改进 | Conv篇 | 2024最新ECCV最新大感受野的小波卷积WTConv助力YOLOv10有效涨点
Snu77的博客
10-12 552
本文给大家带来的改进机制是一种新的卷积层，称为WTConv（小波卷积层），它利用小波变换（WT）来解决卷积神经网络（CNN）在实现大感受野时遇到的过度参数化问题。WTConv的主要目的是通过对输入数据的不同频率带进行处理，使CNN能够更有效地捕捉局部和全局特征，WTConv成功解决了CNN在感受野扩展中的参数膨胀问题，提供了一种更为高效、鲁棒且易于集成的卷积层解决方案，我将其用于二次创新YOLOv10中的C2f机制可以减少百分之二十的参数量和计算量，达到一个可观的轻量化作用。
YOLOv8-ultralytics-8.2.103部分代码阅读笔记-plotting.py
m0_58169876的博客
12-04 744
【代码】YOLOv8-ultralytics-8.2.103部分代码阅读笔记-plotting.py。
【YOLOv11改进[Backbone]】 使用MobileNetV3替换Backbone
静谧、淡雅
12-04 36
使用MobileNetV3替换Backbone
yolov5的detect过程
liyun52的博客
12-02 213
【代码】yolov5的detect过程。
YOLOv8-ultralytics-8.2.103部分代码阅读笔记-torch_utils.py
m0_58169876的博客
12-04 1062
【代码】YOLOv8-ultralytics-8.2.103部分代码阅读笔记-torch_utils.py。
YOLOv3 (You Only Look Once Version 3)
qq_67654130的博客
12-02 961
YOLOv3 是一个在速度和精度上都非常优秀的目标检测模型。它通过多尺度预测、深层的网络架构（Darknet-53）、改进的目标框预测方式等技术，极大地提升了检测精度，尤其是在小物体和多物体场景下的表现。由于其高效性和实时性，YOLOv3 在各种实时目标检测任务中得到了广泛应用，如视频监控、自动驾驶、智能安防等领域。
从创建到训练：详细指南如何使用YOLOv5构建和优化自制数据集
m0_73640344的博客
12-02 663
从创建到训练：详细指南如何使用YOLOv5构建和优化自制数据集创建自制数据集并使用该数据集来训练一个深度学习模型，例如使用 PyTorch 和 YOLOv5 框架，是一个涉及多个阶段的过程，包括数据的收集、预处理、标注、组织、训练和验证。以下是利用 PyTorch 和 YOLOv5 框架从头开始创建和训练自制数据集的详细步骤。
【YOLOv10改进[Backbone]】使用EfficientNetV1替换Backbone
静谧、淡雅
12-04 131
使用EfficientNetV1替换Backbone
【YOLOv10改进[Backbone]】使用Ghostnetv2替换Backbone
最新发布
静谧、淡雅
12-05 52
使用Ghostnetv2替换Backbone
YOLOv8-ultralytics-8.2.103部分代码阅读笔记-benchmarks.py
m0_58169876的博客
12-05 405
【代码】YOLOv8-ultralytics-8.2.103部分代码阅读笔记-benchmarks.py。
YOLOv11 NCNN安卓部署
gaoxukkk888的博客
12-02 1095
YOLOv11 NCNN安卓部署**目前的帧率可以稳定在20帧左右，下面是这个项目的github地址：https://github.com/gaoxumustwin/ncnn-android-yolov11 **上面的检测精度很低时因为这个模型只训练了5个epoch，使用3090训练一个epoch需要15分钟，后续会把训练50个epoch和100个epoch的权重更新到仓库中；在之前复现了一个yolov8pose ncnn安卓部署的项目，在逛github的时候发现了一个。
YOLOv8-ultralytics-8.2.103部分代码阅读笔记-tuner.py
m0_58169876的博客
12-04 343
【代码】YOLOv8-ultralytics-8.2.103部分代码阅读笔记-tuner.py。
eccv 2024目标跟踪
08-25
ECV (European Conference on Computer Vision) 是计算机视觉领域的重要国际会议之一。关于 ECCV 2024 的目标跟踪部分，通常会关注当前最前沿的研究，如深度学习、卷积神经网络（CNNs）、 Siamese 网络、追踪区域预测（Tracking-by-Detection）等技术在实时视频场景下对目标物体位置、运动状态的精准捕捉。 目标跟踪任务的目标是持续地在视频序列中识别和定位特定的对象，即便它们在画面中移动、遮挡或者形状变化。研究者们可能会探讨新颖的特征提取策略、抗干扰能力提升、以及结合环境上下文信息来提高跟踪性能。此外，多目标跟踪(MOT)也是一个热点，它需要同时处理多个目标个体。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Limiiiing

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值