【YOLOv8改进 - 卷积Conv】DCNv3： 可变形卷积，结合稀疏注意力机制与卷积的创新算子

YOLOv8目标检测创新改进与实战案例专栏

专栏目录： YOLOv8有效改进系列及项目实战目录 包含卷积，主干 注意力，检测头等创新机制 以及 各种目标检测分割项目实战案例

专栏链接: YOLOv8基础解析+创新改进+实战案例

介绍

摘要

与近年来大规模视觉Transformer (ViTs) 的巨大进步相比，基于卷积神经网络 (CNNs) 的大规模模型仍处于早期阶段。本工作提出了一种新的大规模基于CNN的基础模型，称为InternImage，它能够像ViTs一样，通过增加参数和训练数据来获得提升。与最近关注大密度卷积核的CNNs不同，InternImage以可变形卷积作为核心运算符，因此我们的模型不仅具有下游任务（如检测和分割）所需的大有效感受野，还具有根据输入和任务信息自适应的空间聚合能力。结果是，所提出的InternImage减少了传统CNNs的严格归纳偏差，使其能够从大规模参数和海量数据中学习更强大、更鲁棒的模式，类似于ViTs。我们模型的有效性在包括ImageNet、COCO和ADE20K在内的挑战性基准上得到了验证。值得一提的是，InternImage-H在COCO test-dev上达到了新的记录65.4 mAP，在ADE20K上达到了62.9 mIoU，超越了当前领先的CNNs和ViTs。

文章链接

论文地址：论文地址

代码地址：代码地址

基本原理

1. 借鉴了可分离卷积的思想，将原始卷积权重 $w$