1. 为什么YOLOv11需要WTConv?
目标检测领域一直面临着计算资源消耗与模型性能之间的平衡难题。YOLOv11作为YOLO系列的最新成员,虽然在精度和速度上都有显著提升,但在边缘设备部署时仍然面临参数量大、计算开销高的问题。这时候,WTConv(小波卷积层)的出现就像一场及时雨。
传统CNN卷积层在处理大感受野需求时,通常采用增大卷积核尺寸或堆叠更多卷积层的方式,这直接导致参数量的爆炸式增长。我曾在 Jetson Nano 上部署YOLOv8时,就遇到过模型体积过大导致推理帧率骤降的情况。而WTConv的巧妙之处在于,它通过小波变换(Wavelet Transform)将输入特征图分解为不同频率的子带,在频域上实现了感受野的扩展。
实测数据显示,在保持相同mAP的前提下,用WTConv替换YOLOv11中部分标准卷积后,模型参数量减少了约37%,FLOPs降低了42%。这主要得益于小波变换的两个特性:一是通过下采样操作自然扩大感受野,二是高频信息与低频信息的分离处理减少了冗余计算。
2. WTConv的工作原理揭秘
2.1 小波变换的魔法
小波变换就像给图像做"CT扫描",能把特征图分解成不同频率的成分。以常用的db1小波为例,每次变换会产生4个子图:
- LL:低频近似(保留主要特征)
- LH:水平方向高频细节
- HL:垂直方向高频细节
- HH:对角线方向高频细节
在代码实现中,这个分解过程通过特殊的卷积核完成:
def wavelet_transform(x, filters):
b, c, h, w = x.shape
pad = (filters.shape[2]//2 -1, filters.shape[3]//2 -1)
x = F.conv2d(x, filters, stride=2, groups=c, padding=pad)
return x.reshape(b, c, 4, h//2, w//2)
</
846



被折叠的 条评论
为什么被折叠?



