博客介绍了将Wave-MLP架构应用于YOLOv5以提高目标检测的准确性的方法。Wave-MLP通过考虑振幅和相位信息的通道混合MLP和相位感知token混合块动态聚合标记，从而在视觉任务上表现出优越性能。文章详细阐述了网络结构和实验结果，并提供了将WC3模块整合到YOLOv5的代码和yaml配置文件。
目录
一、理论部分
在计算机视觉领域，最近的研究表明，以全连接层堆叠为主的纯MLP架构可以达到与CNN和transformer相媲美的性能。视觉MLP的输入图像通常被分割成多个标记(patch)，而现有的MLP模型直接将它们以固定的权重进行聚合，忽略了来自不同图像的标记的不同语义信息。为了动态聚合标记，我们建议将每个标记表示为具有振幅和相位两部分的波函数。振幅是原始特征，相位项是根据输入图像的语义内容而变化的复值。引入相位项可以动态调节MLP中令牌与定权之间的关系。基于类波标记表示，我们建立了一种新的用于视觉任务的WaveMLP架构。大量的实验表明，在图像分类、目标检测和语义分割等各种视觉任务上，所提出的Wave-MLP架构优于最先进的MLP架构。
订阅专栏 解锁全文
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
