RT-DETR改进策略【卷积层】| AAAI 2025 风车状卷积PConv，实现感受野的高效扩张

最新推荐文章于 2025-05-15 22:08:41 发布
最新推荐文章于 2025-05-15 22:08:41 发布
阅读量219 收藏
点赞数 4
分类专栏： RT-DETR改进专栏 文章标签： 计算机视觉 深度学习 目标检测 RT-DETR
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/147889359
版权

一、本文介绍

本文记录的是利用风车卷积改进RT-DETR的目标检测网络模型。

在红外小目标检测任务中，传统卷积方式难以捕捉目标像素的空间特征，影响检测性能，因此需要更适配的卷积方式提升特征提取能力。但不同尺度的红外小目标对特征提取需求有差异，为了更好地满足这些需求，本文利用风车卷积PConv模块改进RT-DETR，使模型能够更精准地对齐红外小目标像素的高斯空间分布，在增强底层特征提取的同时显著扩大感受野，使网络更好地适应不同尺度红外小目标的检测需求。

专栏目录：RT-DETR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：RT-DETR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
YOLOv10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
Limiiiing的博客
10-11 6184
如何寻找创新点？为什么要使用这个模块？如何才能提升模型的精度？这是贯穿我们研究始终的问题。创新点在这个专栏中我已经整理好了，这已经省去了大部分时间，但是当我们使用这些新的模块去优化已有的模型，如何才能提升模型的精度，才是我们要达到的最终目标。当然我们可以使用传统的A+B+C的方法去堆积模块，然后是进行大量的实验去排列组合以实现最终的精度提升，这无可厚非。
RT-DETR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
Limiiiing的博客
12-03 8592
1️⃣本专栏已更新150多种不同的改进方法，所使用并改进的每一个模块均包含详细的模块分析、原理讲解、个人总结、多种改进方式以及完整的修改流程，所有改进100%可直接运行。2️⃣所有改进点均为近三年顶会，顶刊提出的先进算法，将其融入到中，紧跟学术热点，适应不同的任务场景。3️⃣团队内发表数篇SCI论文，熟悉完整的发表流程，订阅专栏即可进群享受模型训练、模型改进、论文写作、投稿选刊，从入门到论文的各种答疑内容。4️⃣专栏内容会持续更新，最近更新时间：2024-12-4。项目介绍在大家购买专栏后，加入学习
PinwheelConv论文解析：AAAI 2025顶会｜PConv风车状卷积用于红外小目标检测，Pinwheel-shaped Convolution and Scale-based Dynamic
包括YOLOv5、YOLOv7、YOLOv8等模型改进
01-31 2102
PinwheelConv论文解析：AAAI 2025顶会｜PConv风车状卷积用于红外小目标检测，Pinwheel-shaped Convolution and Scale-based Dynamic
YOLOv12全网首发优化：卷积魔改创新 | AAAI 2025 | 一种新颖的风车形卷积（PConv）符合微弱小目标的像素高斯空间分布，增强特征提取，显著增加接受野
03-18 493
一种新颖的风车形卷积（PConv） 在IRSTD-1K和sist - uavb数据集上实现了显着的性能改进，验证了我们方法的有效性和可泛化性 
RTDETR改进专栏(包含RTDETR、YOLOV5-DETR、YOLOV8-DETR)
热门推荐
qq_37706472的博客
01-28 2万+
RTDETR改进专栏(性价比高，创新度高)，目前RTDETR改进已经有220+个改进点！
工业质检/缺陷检测领域最新顶会期刊论文收集整理 | AAAI 2025【持续更新中】
unique_zhao的博客
05-06 1051
第三十九届美国人工智能协会（AAAI）人工智能大会于2025年2月25日至3月4日在宾夕法尼亚州费城举行。程序委员会主席为Julie Shah（美国麻省理工学院）和Zico Kolter（美国卡内基梅隆大学）。本次会议的范围涵盖机器学习、自然语言处理、计算机视觉、数据挖掘、多智能体系统、知识表示、人机协作人工智能、搜索、规划、推理、机器人与感知，以及伦理道德。除了专注于上述任一领域的基础研究工作外，AAAI - 25还鼓励开展跨人工智能技术领域的研究（例如，机器学习与计算机视觉；计算机视觉与自然语言处理。
RTDETR融合[AAAI2025]的PConv模块
深度学习炼丹师，偶尔分享炼丹技术!
05-13 953
论文速览：近年来，基于卷积神经网络 （CNN） 的红外小目标检测方法取得了出色的性能。然而，这些方法通常采用标准卷积，而忽略了考虑红外小目标像素分布的空间特性。因此，我们提出了一种新的风车形卷积 （PConv） 来替代骨干网络下层的标准卷积。PConv 更好地与暗淡小目标的像素高斯空间分布对齐，增强了特征提取，显著增加了感受野，并且仅引入了最小的参数增加。此外，虽然最近的损失函数结合了尺度和位置损失，但它们没有充分考虑这些损失在不同目标尺度上的不同灵敏度，从而限制了对微小目标的检测性能。
RT-DETR算法优化：图像去噪 | AAAI2025 Transformer |一种基于Transformer的盲点网络（TBSN）架构 ，结合空间和通道自注意力层来增强网络能力
01-24 111
提出了一种基于Transformer的盲点网络（TBSN）架构，通过分析和重新设计Transformer运算符以满足盲点要求
YOLOv12原创自研：卷积魔改 | 一种新颖的风车形卷积（PConv）融合注意力机制，加强微弱小目标检测能力
04-14 216
为了进一步提升小目标检测能力，风车形卷积（PConv）融合注意力机制进一步提升小目标检测能力
计算机视觉——基于树莓派的YOLO11模型优化与实时目标检测、跟踪及计数的实践
知来者逆的博客
05-01 3025
YOLO11模型是专门为边缘设备优化的目标检测模型，与YOLOv8相比，它在显著降低模型复杂度（最多降低37%）的同时，仍保持了较高的检测精度（约85%的平均精度均值）。这种优化使得YOLO11能够在资源受限的树莓派上实现高效的实时目标检测，为边缘设备上的复杂计算机视觉任务提供了可能。其轻量级的模型结构和高效的推理性能，使其成为在树莓派上部署目标检测应用的首选模型之一。
OpenCV计算机视觉实战（5）——图像基础操作全解析
qq_30167691的博客
05-15 808
在本文中，我们首先从最底层的像素与 ROI 操作入手，理解了如何高效访问与修改图像数据；继而通过通道分离与合并，掌握了色彩处理与对比度增强的技巧；最后借助仿射与透视变换，实现了从基础平移、旋转到复杂校正的完整流程。
【计算机视觉】基于Python的相机标定项目Camera-Calibration深度解析
weixin_43988131的博客
05-11 945
基于Python的相机标定项目Camera-Calibration深度解析
《Python星球日记》 第80天：目标检测（YOLO、Mask R-CNN）
Code_流苏：在代码中寻诗意，在实践中觅真知
05-15 372
《Python星球日记》 第80天：目标检测（YOLO、Mask R-CNN），今天，我们将进入计算机视觉的另一个重要任务：目标检测，它不仅能回答"有什么"，还能告诉我们"在哪里"。
视频分辨率增强与自动补帧
大摆王的博客
05-15 567
传统的视频分辨率增强方法主要基于插值技术。这些方法通过对低分辨率视频帧中已知像素点的分布规律和相邻像素之间的相关性进行分析，在两者之间插入新的像素点以达到增加视频分辨率的目的。例如，最近邻插值算法会根据低分辨率图像中每个像素点的位置，直接在高分辨率图像的对应位置以及其整数倍的相邻位置复制该像素值，这种方法虽然简单快速，但容易导致生成的高分辨率图像边缘锯齿化严重，细节模糊且缺乏平滑过渡。
计算机视觉----基于锚点的车道线检测、从Line-CNN到CLRNet到CLRKDNet 本文所提算法Line-CNN 后续会更新以下全部算法
最新发布
2303_76162328的博客
05-15 813
本文将从原论文剖析基于锚点的车道线检测关键算法。本文所提算法Line-CNN 后续会更新以下全部算法 。从Line-CNN到CLRNet到CLRKDNet
【计算机视觉】OpenCV实战项目：ETcTI_smart_parking智能停车系统深度解析
weixin_43988131的博客
05-11 1178
ETcTI_smart_parking智能停车系统深度解析
【计算机视觉】OpenCV实战项目：基于OpenCV与face_recognition的实时人脸识别系统深度解析
weixin_43988131的博客
05-13 951
OpenCV实战项目：基于OpenCV与face_recognition的实时人脸识别系统深度解析
计算机视觉---目标追踪（Object Tracking）概览
2301_80079642的博客
05-12 1077
定义：在视频序列或连续图像中，对一个或多个感兴趣目标（如人、车辆、物体等）的位置、运动轨迹进行持续估计的过程。核心任务：跨帧关联目标，解决“同一目标在不同帧中的对应关系”。核心输入：视频序列（含帧图像、时间戳）、初始帧目标位置（单目标）或检测结果（多目标）。目标追踪是计算机视觉的核心任务，从单目标的精准定位到多目标的全局关联，技术路线涵盖传统算法到深度学习，应用场景渗透安防、交通、机器人等领域。
CVPR计算机视觉顶会论文解读：IPC-Dehaze 如何解决真实场景去雾难题
陈奕昆的博客
05-14 703
本文介绍了IPC-Dehaze，一种创新的图像去雾方法，通过迭代预测-评判框架和码本解码机制，有效解决了现有去雾算法在复杂场景下的性能瓶颈。该方法在多个基准测试中取得了SOTA性能，尤其在非均匀雾霭、色彩失真和低光照条件下表现出色。IPC-Dehaze采用编码器-解码器架构，包含特征提取编码器、迭代预测器和评判解码器，通过多次迭代逐步优化去雾结果。实验结果表明，该方法在处理复杂雾霭条件下表现出色，未来工作将探索在视频去雾和实时应用中的扩展。应用场景包括自动驾驶、遥感与卫星成像、监控系统、无人机巡检和影视后期
RT-DETR改进专栏
12-29
### RT-DETR 的改进方法 为了提升实时目标检测的效果，RT-DETR引入了多种创新机制来优化模型性能。具体来说： #### 双动态令牌混合器（D-Mixer） 双动态令牌混合器是一种新颖的设计，旨在更有效地融合全局和局部信息。通过这种方式，模型能够在更大范围内捕捉特征，并增强其归纳偏置能力[^3]。 这种设计允许模型根据输入数据自适应调整关注区域，从而提高对复杂场景的理解能力和鲁棒性。相比于传统的方法，这种方法可以显著增加有效感受野（ERF），进而改善整体检测精度。 ```python class D_Mixer(nn.Module): def __init__(self, config): super(D_Mixer, self).__init__() # 定义用于处理全局和局部信息的组件 def forward(self, x): global_info = self.global_mechanism(x) local_info = self.local_mechanism(x) mixed_output = torch.cat((global_info, local_info), dim=1) return mixed_output ``` ### 最新研究进展 最新的研究表明，采用双动态令牌混合器后，RT-DETR系列模型在多个公开测试集上的表现均有明显进步。特别是在COCO val2017数据集中，不同版本的RT-DETR取得了如下成绩： - **RT-DETR-L**: 实现了53.0%的AP以及114 FPS的速度； - **RT-DETR-X**: 达到了更高的54.8% AP 和 74 FPS 的速度； - **RT-DETR-R50**: 提供了53.1% AP 和 108 FPS 的平衡选项； - **RT-DETR-R101**: 则进一步提升了至54.3% AP 和同样74 FPS 的速度[^1]。 这些结果显示，在不牺牲速度的前提下，RT-DETR能够提供更加精确的目标检测结果，成为该领域内新的标杆之一。
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