新闻详情

新闻详情

首页 / 资讯中心 / 详情

YOLO26改进 - C3k2 | 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 | CVPR 2025

发布时间:2026/11/19 5:50:35来源:尧图网络
YOLO26改进 - C3k2 | 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 | CVPR 2025
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YOLO26,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: YOLO26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: YOLO26改进专栏文章目录前言介绍摘要文章链接基本原理一、核心设计定位1. 解决的核心痛点2. 设计目标二、三大核心模块详解1. 傅里叶不相交权重(FDW:Fourier Disjoint Weight)2. 核空间调制(KSM:Kernel Spatial Modulation)3. 频段调制(FBM:Frequency Band Modulation)核心代码YOLO26引入代码注册步骤1:步骤2配置yolo26-C3k2_FDConv.yaml实验脚本结果介绍摘要尽管动态卷积(DY-Conv)通过“多组并行权重+注意力机制”实现自适应权重选择,展现出良好性能,但这些权重的频率响应往往高度相似,导致参数开销大而适应性有限。在本文中,我们提出一种新型频率动态卷积(FDConv),通过在傅里叶域学习固定参数预算来缓解这些局限性。FDConv将该预算划分为具有不相交傅里叶索引的基于频率的分组,能够在不增加参数开销的前提下构建频率多样化的权重。为进一步提升适应性,我们设计了核空间调制(KSM)和频段调制(FBM):KSM在空间层面动态调整每个滤波器的频率响应,而FBM则在频率域将权重分解为不同频段,并基于局部内容进行动态调制。我们在目标检测、分割和分类任务上开展了大量实验,验证了FDConv的有效性。结果表明,将FDConv应用于ResNet-50时,仅需小幅增加360万参数即可实现更优性能,超越了此前需要大幅增加参数预算的方法(如CondConv增加9000万参数、KW增加7650万参数)。此外,FDConv可无缝集成到多种架构中,包括ConvNeXt、Swin-Transformer,为现代视觉任务提供了灵活高效的解决方案。相关代码已公开在https://github.com/LinweiChen/FDConv。文章链接论文地址:
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/18 21:21:17

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/18 14:20:46

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/18 20:01:42

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/18 11:04:06

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/18 15:55:22

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/18 21:21:16

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉