DeepLabv3+改进32:在主干网络中添加KANConv2DLayer|

【DeepLabv3+改进专栏！探索语义分割新高度】
你是否在为图像分割的精度与效率发愁？
本专栏重磅推出：
✅ 独家改进策略：融合注意力机制、轻量化设计与多尺度优化
✅ 即插即用模块：ASPP+升级、解码器

PS:订阅专栏提供完整代码

论文简介

步骤一

新建mmseg/models/attentions/kan_conv.py，添加如下代码：

import torch
import torch.nn as nn
from mmcv.cnn import build_conv_layer
from mmengine.model import BaseModule
from mmseg.registry import MODELS

##这是KAN 实现的第二种方式，原理一样，代码有所修改
class KANConvNDLayer(nn.Module):
    def __init__(self, conv_class, norm_class, input_dim, output_dim, spline_order, kernel_size =3,
                 groups=1, padding=0, stride=