天选思路怎能不会！小波变换+CNN完美融合，最新idea发了CV顶会！

今天给大家推荐一个涨点发顶会的好方向：小波变换+CNN。这俩热点的结合可以轻松实现“1+1＞2”的效果。

这是因为，一方面小波变换可以作为预处理步骤，提取出关键的局部特征，加速CNN收敛并提升性能；另一方面，CNN可以进一步处理小波变换提取的特征，提取高级抽象表示，用于后续的分类、识别或回归任务。

因此小波变换+CNN在学术界与工业界都很热门，特别是在信号处理和图像处理等任务中，效果炸裂好，比如ECCV 2024的WTConv，一种基于小波变换的新型卷积，实现小参数大感受野，显著提升了网络性能。

目前这个方向应用广、创新空间大，想发论文的同学可以考虑，我这边也整理了11篇最新的小波变换+CNN创新方案，代码基本都有，方便大家复现找灵感。

论文原文+开源代码需要的同学看文末

Wavelet Convolutions for Large Receptive Fields

方法：作者通过引入小波变换（WT）提高卷积神经网络（CNNs）的感受野，以解决传统大核卷积的过参数化问题，提出的WTConv层作为现有架构的替代方案，不仅实现了多频率响应和抗图像污染能力，还增强了对形状的响应，填补了CNNs在低频响应上的研究空白。