YOLOv11涨点改进 | 独家Conv篇 | ECCV 2024| YOLOv11添加WTConv小波卷积, 能够更有效地捕捉局部和全局特征, 助力高效涨点

一、本文介绍

本文给大家介绍一种WTConv小波卷积优化YOLOv11模型!实验表明,WTConv在ImageNet分类、语义分割和目标检测等多个视觉任务中提升了性能,并增强了网络对图像损坏的鲁棒性与形状偏置。

全新YOLOv11专栏限时订阅链接:全新YOLOv11创新改进高效涨点+永久更新中(至少500+改进)+高效跑实验发论文

目录

一、本文介绍

二、WTConv模块介绍

WTConv模块动机:

WTConv模块优势:

三、WTConv 核心代码

四、手把手教你添加模块和修改task.py文件

五、创建涨点yaml配置文件

🚀 创新改进:

六、创新改进,正常运行演示

 

二、WTConv模块介绍

摘要:近年来,人们尝试增加卷积神经网络 (CNN) 的 kernel size,以模仿 Vision Transformers (ViTs) 自注意力模块的全局 receptive field。然而,这种方法很快达到了上限并饱和,远未实现全局 receptive field。在这项工作中,我们证明了通过利用 Wavelet Transform (WT),实际上可以获得非常大的 receptive field,而不会受到过度参数化的影响,所提出的层,名为 WTConv,可以用作现有架构中的直接替代品,从而产生有效的多频响应,并随着 receptive field 的大小优雅地扩展。我们展示了 WTConv 层在 ConvNeXt 和 MobileNetV2 架构中用于图像分类以及下游任务骨干网络中的有效性,并表明它可以产生额外的属性,例如对图像损坏的鲁棒性以及对形状而非纹理的增强响应。

WTConv小波卷积如何提升YOLOv11目标检测性能 在计算机视觉领域,卷积神经网络(CNN)通过局部感受野机制提取图像特征,但传统卷积操作存在感受野有限和计算效率低下的问题。小波变换作为一种多尺度分析工具,能够同时捕捉图像的高频细节和低频轮廓信息。WTConv创新性地将小波变换融入卷积操作,通过哈尔小波分解生成多个频带特征,在保持3×3卷积计算量的同时实现7×7卷积的感受野。这种技术在YOLOv11目标检测框架中的应用表明,其不仅能在COCO数据集上提升1.8%的mAP精度,特别适合无人机航拍等小目标检测场景。工程实践中,WTConv模块需要配合特定的学习率 阅读详情

相关推荐

YOLOv11中的WTConv模块:小波变换提升目标检测精度

卷积神经网络(CNN)在计算机视觉领域广泛应用,但其传统卷积核存在感受野与计算量的矛盾。小波变换作为一种多分辨率分析工具,能够有效捕捉信号的时频特性。WTConv(Wavelet Transform Convolution)创新性地将小波变换引入CNN,通过分解输入特征图为多个子带(LL、LH、HL、HH),分别进行卷积运算,从而在不显著增加计算量的情况下扩大感受野。这种技术在目标检测领域尤其有价值,例如在YOLOv11中应用WTConv模块后,COCO数据集的mAP@0.5提升了2.3%,推理速度仅下降8

weixin_30905133的博客 313

即插即用篇 | YOLOv8 引入大感受野的小波卷积 | ECCV2024

即插即用篇 | YOLOv8 引入大感受野的小波卷积 | ECCV2024

Coding... 6175

卷积篇 | WTConv:小参数大感受野,基于小波变换的新型卷积 | ECCV 2024

文章介绍了一种名为WTConv的新型卷积层,它利用小波变换(WT)来增加卷积神经网络(CNNs)的感受野,而无需大幅增加可训练参数的数量。🌈

小哥谈 1713

Pointnet++改进即插即用系列:全网首发WTConv2d大接受域的小波卷积|即插即用,提升特征提取模块性能

近年来,人们一直试图增加卷积神经网络(cnn)的核大小,以模拟视觉变形者(ViTs)的全局接受场自注意块。然而,这种方法在达到全局接受场之前很快就达到了上限和饱和。在这项工作中,我们证明了通过利用小波变换(WT),实际上可以在不受过度参数化影响的情况下获得非常大的接受域,例如,对于k × k的接受域,所提出的方法中可训练参数的数量仅随k呈对数增长。所提出的层,称为WTConv,可以用作现有架构中的临时替代品,产生有效的多频响应。并随着接受野的大小优雅地缩放。

AIcurator的博客 3551

YOLOv11改进 | Conv/卷积篇 | 2024最新ECCV最新大感受野的小波卷积WTConv助力YOLOv11有效涨点

本文给大家带来的改进机制是一种新的卷积层,称为WTConv(小波卷积层),它利用小波变换(WT)来解决卷积神经网络(CNN)在实现大感受野时遇到的过度参数化问题。WTConv的主要目的是通过对输入数据的不同频率带进行处理,使CNN能够更有效地捕捉局部和全局特征,WTConv成功解决了CNN在感受野扩展中的参数膨胀问题,提供了一种更为高效、鲁棒且易于集成的卷积层解决方案,我将其用于二次创新YOLOv11中的C3k2机制可以减少一定参数量和计算量,达到一个可观的轻量化作用。

Snu77的博客 6234

YOLOv11改进 | Conv/卷积篇 | 2024最新ECCV最新大感受野的小波卷积WTConv助力YOLOv11有效涨点(二次创新C3k2)

本文给大家带来的改进机制是一种新的卷积层,称为WTConv(小波卷积层),它利用小波变换(WT)来解决卷积神经网络(CNN)在实现大感受野时遇到的过度参数化问题。WTConv的主要目的是通过对输入数据的不同频率带进行处理,使CNN能够更有效地捕捉局部和全局特征,WTConv成功解决了CNN在感受野扩展中的参数膨胀问题,提供了一种更为高效、鲁棒且易于集成的卷积层解决方案,我将其用于二次创新YOLOv11中的C3k2机制可以减少百分之十的参数量和计算量,达到一个可观的轻量化作用。

Snu77的博客 3252

YOLOv11改进 | Conv/卷积篇 | 2024 ECCV最新大感受野的小波卷积WTConv助力YOLOv11有效涨点

大感受野优势:等效15×15卷积核的感知范围多频带协同:低频定位与高频细节的互补增强动态适应性:学习各频带的最优融合权重部署友好:通过定制插件实现高效推理实验表明,WTConv在COCO数据集上可实现2.8%的mAP提升,对小目标检测的改善尤为显著(+6.7%)。这种基于频域分析的卷积创新为计算机视觉模型的架构设计提供了新思路,特别适用于需要多尺度感知的视觉任务。未来工作将聚焦于可学习小波基和硬件协同设计方向。

weixin_39818775的博客 1089

YOLOv11改进有效涨点专栏目录 | 含卷积、主干、注意力机制、Neck、检测头、损失函数、二次创新C2PSA/C3k2等各种网络结构改进

Hello,各位读者们好.本文为最新YOLOv11有效涨点专栏目录,YOLOv11以及发布了一个月左右,这个过程中我也是给大家整理了许多的机制,其中包含了C3k2、主干(均支持根据yolov11训练的版本进行二次缩放,全系列都能轻量化)、检测头、注意力机制、Neck多种结构上创新,也有损失函数和一些细节点上的创新。

Snu77的博客 8万+

YOLOv8改进有效系列目录 | 包含卷积、主干、检测头、注意力机制、Neck上百种创新机制

Hello,各位读者们好,本专栏自开设两个月以来已经更新改进教程120+余篇其中包含C2f、主干、检测头、注意力机制、Neck多种结构上创新,也有损失函数和一些细节点上的创新,订阅本专栏以后你不仅可以收获跟专栏的阅读权限,同时可以进Qq群,里面包含集成我所有创新的YOLO最新目录,和我本人录制的视频讲解教程,如果你想要在YOLOv8系列收获一篇论文,我相信订阅本专栏后你一定会有所收获~YOLOv8改进有效系列目录。

Snu77的博客 18万+

提升YOLOv11检测能力-Conv/卷积改进:使用小波卷积WTConv目标检测改进(附参考代码)

随着YOLO系列目标检测模型的持续发展,YOLOv11进一步提升了实时目标检测的精度和速度。然而,传统卷积操作在处理复杂图像时的感受野仍然受到限制,特别是在复杂背景和小目标的检测任务中。为了解决这个问题,2024年ECCV提出的Wavelet Transform Convolution(WTConv)引入了小波变换,帮助CNN(卷积神经网络)拓展感受野,同时避免了大卷积核带来的过度参数化问题。本文将深入探讨WTConv的工作原理,如何有效地提升YOLOv11的性能,并结合实际代码实现,展现如何将其集成到YO

一键难忘的博客 1310

全新YOLOv11有效涨点改进专栏目录 | 本专栏持续更新500+篇内容 | 包含各种卷积、主干网络、各种注意力机制、检测头、损失函数、小目标检测改进、二次创新模块、独家创新等几百种创新点改进

YOLOv11专栏持续更新500+种创新改进方案,涵盖卷积优化、注意力机制、主干网络、Neck特征融合、检测头、小目标检测等核心模块。提供独家创新点组合方案、模型轻量化改进及最新Mamba架构融合技术,配套完整实验代码和训练参数解析。订阅用户可加入专属答疑群,获取一键运行项目支持。专栏包含YOLOv11网络结构详解、配置文件解读等入门必读内容,助力科研论文发表与模型性能提升。限时开放订阅通道,提供多种涨点改进方案组合,满足不同研究需求。

Ai缝合怪、助力小伙伴高效发论文 4051

YOLOv13有效涨点改进专栏目录 | 本专栏持续更新500+篇内容 | 包含各种卷积、主干网络、各种注意力机制、检测头、损失函数、小目标检测改进、二次创新模块、独家创新等几百种创新点改进

《YOLOv13改进专栏重磅更新》推出500+创新改进方案,涵盖卷积、主干网络、注意力机制、检测头等核心模块优化。专栏提供完整项目代码及答疑服务,包含YOLOv13网络结构解析、环境配置、模型训练全流程指导。内容分为八大模块:卷积优化、注意力机制、细节涨点、主干网络改进、特征融合、检测头优化、小目标检测及Mamba联合改进等,支持多种创新点组合应用,助力科研论文发表。现开放限时订阅,提供试读章节和详细技术解析。

Ai缝合怪、助力小伙伴高效发论文 3424

YOLOv12改进专栏目录 | 本专栏持续更新500+篇内容 | 包含各种卷积、主干网络、各种注意力机制、检测头、损失函数、小目标检测改进、二次创新模块、独家创新等几百种创新点改进

《YOLOv12高效涨点改进专栏》提供500+创新改进方案,涵盖卷积、主干网络、注意力机制等模块优化,适用于检测、分割等任务。改进点来自顶会论文和个人经验,支持多种模型版本和任务场景。专栏包含详细教程、数据集增强、性能评估工具等,帮助科研人员快速实现模型优化和论文发表。提供完整运行项目和环境配置指导,适合计算机及相关专业研究人员使用,持续更新保障长期科研需求。

Ai缝合怪、助力小伙伴高效发论文 2356

【YOLOv11改进[Conv]】引入2024最新大感受野的小波卷积WTConv改进的C2f模块 | ECCV

引入2024最新大感受野的小波卷积WTConv改进的C2f模块 | ECCV

静谧、淡雅 391

YOLOv13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

1️⃣ 已更新种不同的改进方案,专栏内的每篇文章皆,均可顺利运行。2️⃣ 订阅专栏即可进群获取以及从的各种答疑内容。3️⃣ 全新的YOLOv13改进专栏,,只为更好的满足论文发表的要求。专栏内容,专栏实时评分,全网最高,质量保证。🎫。。

Limiiiing的博客 9214

告别裸机思维:在STM32F407上玩转LwIP,让你的设备轻松接入TCP网络

本文详细介绍了如何在STM32F407微控制器上使用LwIP协议栈实现TCP网络连接,从裸机编程到网络化的架构革命。通过事件驱动模型、内存优化配置和工业级稳定性实现,帮助开发者高效构建稳定TCP连接,适用于物联网设备联网等场景。

weixin_33725515的博客 563

Welch 方法详解:一种经典而实用的功率谱密度估计方法

在信号处理领域,谱分析是用于分析信号频率内容的强大工具。Welch方法是现代谱分析中一种广泛使用的功率谱密度估计技术,由Peter D. Welch在1967年提出。它通过对信号进行分段、加窗和平均化处理,提供了一种平滑且稳定的频谱估计方法。Welch方法通过将信号分成多个重叠的段,每段应用窗函数,然后计算每段的周期图,最后对所有周期图进行平均化,得到平滑的功率谱密度估计。welch_psd函数接收信号x、采样频率fs、每段的样本数N、重叠样本数overlap和窗函数类型window。

DuHz的博客 7137

uniapp 记录运动轨迹 开发_智能手环穿戴设备APP开发解决方案

智能手环是一种穿戴式智能设备,是目前备受关注的科技产品。目前智能手环具有的功能有记录日常生活中的运动数据、移动轨迹,定位等,有些还可以进行睡眠质量的检测,并将这些数据传送至移动端如手机、平板等,可对数据进行分析,指导健康生活的作用。而智能手环开发方案就是将这些功能实现,将算法烧录到主控板上。智能手环都有哪些功能  1、记录运动数据  对于喜欢健身的用户来说,智能手环记录的运动数据功能...

weixin_39678493的博客 1766

開機自動進入UEFI Interactive Shell無法正常開機怎麼辦?

BIOS/UEFI,啟動後進入UEFI Interactive Shell大多數人都告訴你沒有安裝系統去裝系統吧,但你明明昨天還在運行系統?今天就這樣?有沒有解決辦法?

sheaahhoi1的博客 7755

2026年软考高级网络规划设计师备考指南

在国家网络安全法律法规和政策的指导下,能够依据网络技术发展的趋势进行计算机网络领域的需求分析、规划设计、部署实施、评测、运行维护等工作。 在需求分析阶段,写出网络系统需求规格说明书;在规划设计阶段,完成逻辑结构设计、物理结构设计,选用适宜的网络设备,按照标准规范编写系统设计文档及项目开发计划;在部署实施阶段,组织项目施工,对项目实施过程进行质量控制、进度控制、成本管理,能具体指导项目实施;在评测运维阶段,能根据相关标准和规范对网络进行评估测试,能制定运行维护、故障分析与处理机制,确保网络提供正常服务;

鹿鸣天涯 1万+

《拉依达的嵌入式\驱动面试宝典》—C/CPP基础篇(二)

《拉依达的嵌入式\驱动面试宝典》 整合了所有我认为可能遇到的技术面试问题。所有问题及其答案均是我个人学习后查阅资料总结,每个回答都做了仔细的分析,在嵌入式及其驱动面试相关问题解析做到全网独一无二。学习或者转行到嵌入式、驱动开发领域学习的不二之选

拉依达不拉跨的博客 586

ADES1831和ADBMS6830

1、上电默认进入STANDBY模式,SPI发送0xFF也可以进入STANDBY模式2、看门狗定时器超时后,进入SLEEP状态3、配置寄存器中的REFON位使用WRCFGA命令将组A设置为1进入REFUP状态,此状态比待机状态更快地启动ADC转换。i<TOTAL_IC;i++)注意:读AFE数据时会随着AFE片数增加而增加,原因是唤醒时间和AFE片数密切相关,如果需要缩短时间,那么减少唤醒频次。

m0_61973119的博客 271

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

上一篇: YOLOv11涨点改进 | 轻量化、主干改进篇 | CVPR 2024 | YOLOv11 更换StarNet主干,适合图像分类、目标检测和图像分割等任务、星星卷积虽小,却蕴藏着巨大的高效潜力
下一篇: YOLOv13涨点改进 | 独家Conv篇 | ECCV 2024| YOLOv13添加WTConv小波卷积, 能够更有效地捕捉局部和全局特征, 助力高效涨点
Ai缝合怪 博士
博客等级 码龄7年 2980粉丝 1907原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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
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
⌂ 换网址