1. 为什么要在 YOLOv9 里折腾 Haar 小波下采样YOLOv9 的主干里下采样基本靠两种东西撑着普通Convstride2 那种和ADown。它们干活很直接卷积核滑过去特征图尺寸砍一半通道数翻上去。问题是普通卷积下采样在降尺寸的同时会顺手把不少高频细节抹掉——边缘、纹理、小目标的轮廓这些恰恰是检测头最想要的东西。Haar 小波变换换了个思路。它不靠卷积核去猜哪些像素该保留而是用一对低通/高通滤波器把特征图做二维离散小波变换2D DWT一次分解出四个子带低频近似分量 LL以及水平 HL、垂直 LH、对角 HH 三个高频细节分量。LL 负责保留主体结构HL/LH/HH 把边缘和纹理信息单独拎出来存着。四个子带在通道维拼起来再用 1×1 卷积压回目标通道数就完成了一次保细节的下采样。我试过在几个小目标密集的数据集上对比把主干前几层的Conv和ADown换成Down_wt之后小目标的召回确实有肉眼可见的变化。代价是参数量和推理耗时略微上升因为 1×1 卷积的输入通道变成了原来的 4 倍。所以这篇不吹它一定更好只讲清楚怎么把它接进 YOLOv9、怎么确认它真的生效了。适合谁看已经在跑 YOLOv9 训练、想动主干结构但不想大改代码的人手里有config.toml或 yaml 配置骨架、想按模块粒度替换下采样层的人以及想顺手把模型下载/权重拉取这类网络请求统一走一个 Key 通道的人。下面按建模块 → 改解析 → 写配置 → 跑前向 → 排错的顺序走一遍每一步都给可复制的代码和命令。2. 前置准备环境、依赖与统一 Key 通道2.1 依赖安装Down_wt依赖pytorch_wavelets这个包不在 PyTorch 默认依赖里必须单独装。版本上建议跟你的 torch 版本对齐torch 2.x 配 pytorch_wavelets 1.3.0 一般没问题。# 建议先确认 torch 版本 python -c import torch; print(torch.__version__) # 安装小波变换依赖 pip install pytorch_wavelets -i https://pypi.tuna.tsinghua.edu.cn/simple如果你用的是 conda 环境先激活再装别装到 base 里去了。2.2 为什么这里要提 TaoToken 统一 Key改结构这件事本身不需要联网但实际工作流里躲不开网络请求拉预训练权重、下载数据集、跑实验记录、调外部模型做对比验证。这些请求如果各自维护一套 Key 和地址散落在脚本、环境变量、notebook 里换台机器就崩。TaoToken 提供的是一个统一的 API 通道把模型对话、编码计划、控制台、API Keys 这些入口收敛到一套 Key 上。对做 YOLOv9 改进的人来说最实际的用法是把权重下载、实验脚本里的外部调用统一指向同一个 base_urlKey 只存一份。官网入口https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 地址https://taotoken.net/api注意 API 地址不带 UTM 参数直接写https://taotoken.net/api就行。Key 的获取在控制台的 API Keys 页面下面第 3 节会给具体配置。3. 可复制配置Down_wt 模块 解析改动 config.toml 骨架3.1 新建 haar_HWD.py在yolov9/models/目录下新建haar_HWD.py。核心就是把 DWT 的四个子带拼起来再降维import torch import torch.nn as nn from pytorch_wavelets import DWTForward __all__ [Down_wt] class Down_wt(nn.Module): def __init__(self, in_ch, out_ch): super(Down_wt, self).__init__() # J1 表示做一层小波分解wavehaar 指定基函数 self.wt DWTForward(J1, modezero, wavehaar) # 输入通道是 in_ch*4因为 LL/HL/LH/HH 四个子带拼接 self.conv_bn_relu nn.Sequential( nn.Conv2d(in_ch * 4, out_ch, kernel_size1, stride1), nn.BatchNorm2d(out_ch), nn.ReLU(inplaceTrue), ) def forward(self, x): yL, yH self.wt(x) # yH[0] 形状为 [B, C, 3, H, W]第 2 维是 HL/LH/HH y_HL yH[0][:, :, 0, ::] y_LH yH[0][:, :, 1, ::] y_HH yH[0][:, :, 2, ::] x torch.cat([yL, y_HL, y_LH, y_HH], dim1) x self.conv_bn_relu(x) return x几个容易踩的点先说明modezero是边界填充方式换成symmetric也行但zero更省事J1只分解一次尺寸正好减半跟 stride2 的下采样对齐拼接顺序必须是 LL 在前后面三个高频子带顺序无所谓但要跟 1×1 卷积的输入通道数对上。3.2 修改 yolo.py 的 parse_model打开yolov9/models/yolo.py找到parse_model函数。需要做两件事把Down_wt注册进模块字典以及在解析时正确传入in_ch和out_ch。# 在文件顶部导入 from models.haar_HWD import Down_wt # 在 parse_model 内部找到构建模块的分支加入 Down_wt 的处理 if m in {Down_wt}: # Down_wt 需要显式的输入输出通道 c2 ch[f] args [ch[f], c2]如果你的 yolo.py 里模块是通过globals()[m]动态取的那只要保证Down_wt已经被 import 进来即可不用额外写分支。两种写法都行看你仓库版本。3.3 config.toml 配置骨架很多人 YOLOv9 用的是 yaml但如果你把实验配置抽成了config.toml统一管理训练超参、路径、通道配置可以按下面这个骨架写。这里给的是哪些层替换成 Down_wt的声明式配置[model] name yolov9-c-haar yaml models/detect/yolov9-c_haar_HWD.yaml [model.downsample] # 声明主干中需要替换的下采样层索引 # 索引对应 yaml backbone 中 Conv/ADown 出现的顺序 replace_layers [1, 3, 5, 7] module Down_wt [api] # 统一 Key 通道权重下载/外部调用都走这里 base_url https://taotoken.net/api api_key ${TAOTOKEN_API_KEY} timeout 60 [train] epochs 100 batch_size 4 imgsz 640 data data/fire.yaml hyp data/hyps/hyp.scratch-high.yaml对应的 yaml 里把原来[-1, 1, Conv, [64, 3, 2]]或[-1, 1, ADown, [128]]这类行改成backbone: # [from, repeats, module, args] [[-1, 1, Conv, [64, 3, 2]], # 0-P1/2 [-1, 1, Down_wt, [128]], # 1 替换原 Conv 下采样 [-1, 1, Conv, [128, 3, 2]], # 2 [-1, 1, Down_wt, [256]], # 3 替换原 ADown ... ]Down_wt的 args 只传[out_ch]in_ch由 parse_model 从上一层自动推。这一点跟Conv的[out_ch, kernel, stride]写法不同别照抄。3.4 环境变量里放 Key不要把 Key 硬编码进 toml。用环境变量export TAOTOKEN_API_KEY你的KeyKey 在控制台的 API Keys 页面创建https://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content4. 验证请求跑通一次前向 结构打印配置写完不算数得确认模块真的被替换进去了、通道数对得上、前向能跑通。4.1 结构打印先做一次模型构建和结构打印看Down_wt有没有出现在主干里import torch from models.yolo import Model # 构建模型 cfg models/detect/yolov9-c_haar_HWD.yaml model Model(cfg, ch3, nc80) # 打印每一层的类型确认 Down_wt 生效 for i, layer in enumerate(model.model): print(i, layer.type if hasattr(layer, type) else type(layer).__name__)如果输出里能看到Down_wt出现在你配置的索引位置说明解析没问题。如果全是Conv/ADown回去检查 yolo.py 的 import 和分支。4.2 前向验证结构对了再喂一个随机张量跑前向确认尺寸和通道import torch from models.yolo import Model model Model(models/detect/yolov9-c_haar_HWD.yaml, ch3, nc80) model.eval() x torch.randn(1, 3, 640, 640) with torch.no_grad(): out model(x) # 检测头输出通常是多尺度 if isinstance(out, (list, tuple)): for i, o in enumerate(out): print(fhead {i}: {o.shape}) else: print(output:, out.shape)正常的话三个检测头的输出尺寸应该是 80×80、40×40、20×20 这种多尺度组合通道数跟 nc 相关。如果报通道不匹配八成是Down_wt的out_ch跟下一层期望的输入对不上回去核对 yaml 里的通道数。4.3 用统一 Key 拉一次权重做端到端验证前向跑通后可以顺手验证一下统一 Key 通道是否可用。比如用脚本通过 API 通道拉取预训练权重或做一次模型对话验证curl -X POST https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer ${TAOTOKEN_API_KEY} \ -H Content-Type: application/json \ -d { model: claude-sonnet-4-20250514, messages: [{role: user, content: 确认通道可用}] }返回正常 JSON 就说明 Key 和地址都对。模型对话入口在https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content4.4 开始训练前向验证通过后正式训练cd /path/to/yolov9 conda activate yolov9 python3 train_dual.py \ --cfgmodels/detect/yolov9-c_haar_HWD.yaml \ --datadata/fire.yaml \ --epoch100 \ --batch-size4 \ --imgsz640 \ --hypdata/hyps/hyp.scratch-high.yaml训练日志里如果 loss 正常下降、没有 shape 报错基本就稳了。5. 本篇常见错排查5.1 ModuleNotFoundError: No module named pytorch_wavelets最常见的一个。原因就是依赖没装或者装到了别的 Python 环境里。pip install pytorch_wavelets -i https://pypi.tuna.tsinghua.edu.cn/simple装完用python -c import pytorch_wavelets; print(pytorch_wavelets.__version__)确认。如果还报错检查which python和which pip是不是同一个环境。5.2 通道数不匹配 RuntimeError报错类似Given groups1, weight of size [128, 512, 1, 1], expected input[1, 256, 320, 320]。这是因为Down_wt的 1×1 卷积输入通道是in_ch*4如果你在 yaml 里把out_ch写成了上一层通道数而不是目标通道数就会错位。核对 yaml 里Down_wt的 args 是不是目标输出通道。5.3 Down_wt 没生效结构打印里看不到两个可能一是 yolo.py 里没 importDown_wt动态取模块时取不到二是 yaml 里模块名拼错比如写成Down_WT或down_wt。模块名大小写敏感必须跟__all__里一致。5.4 训练时显存爆了Down_wt的 1×1 卷积输入通道是 4 倍中间激活值比普通 Conv 大。如果原来 batch_size8 能跑换完之后可能要降到 4 或 2。也可以只替换主干前两层后面的下采样保持Conv/ADown折中一下。5.5 API 请求 401统一 Key 通道报 401先确认环境变量有没有 export 成功echo $TAOTOKEN_API_KEY。再确认请求头是Authorization: Bearer key地址是https://taotoken.net/api别多加斜杠或路径。Key 失效就去控制台重新生成一个。6. 接入方式与后续实验建议把Down_wt接进 YOLOv9 的完整链路就是建模块文件 → 改 parse_model → 写 yaml/toml 配置 → 结构打印确认 → 前向验证 → 训练。每一步都有可验证的输出不要跳步。如果你后面要跑多组对比实验比如只换第一层 vs 换前三层建议把配置抽成不同的 toml用脚本批量拉起训练避免手改 yaml 出错。统一 Key 通道这时候就体现出价值了——所有实验脚本里的外部调用都指向同一个 base_urlKey 只维护一份换机器只改环境变量。长期做编码和 Agent 类实验的话Coding Plan 入口在https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content接入文档https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content最后提醒一句小波下采样不是万能药它在小目标和边缘敏感的任务上有优势但在大目标为主、追求极致推理速度的场景里多出来的计算量可能不划算。先跑一组 baseline 对比再决定要不要全量替换。