YOLOv11改进 - C3k2融合 | C3k2融合FDConv频率动态卷积：空间-频域协同调制增强细节捕获，提升小目标与边界模糊目标检出

前言

本文提出新型频率动态卷积（FDConv），旨在解决传统动态卷积权重频率响应相似、参数开销大且适应性有限的问题。FDConv通过在傅里叶域学习固定参数预算，将其划分为基于频率的分组，构建频率多样化的权重。同时设计了核空间调制（KSM）和频段调制（FBM），分别在空间和频率域提升适应性。大量实验表明，FDConv应用于ResNet - 50时，仅增360万参数就能实现更优性能。我们将FDConv集成进YOLOv11，替换部分模块，在目标检测、分割和分类任务中验证了其有效性，为现代视觉任务提供灵活高效的解决方案。

文章目录： YOLOv11改进大全：卷积层、轻量化、注意力机制、损失函数、Backbone、SPPF、Neck、检测头全方位优化汇总

专栏链接: YOLOv11改进专栏

介绍

<