YOLOv11改进策略【卷积层】| AAAI 2025 风车状卷积PConv,实现感受野的高效扩张

一、本文介绍

本文记录的是利用风车卷积改进YOLOv11的目标检测网络模型。

在红外小目标检测任务中,传统卷积方式难以捕捉目标像素的空间特征,影响检测性能,因此需要更适配的卷积方式提升特征提取能力。但不同尺度的红外小目标对特征提取需求有差异,为了更好地满足这些需求,本文利用风车卷积PConv模块改进YOLOv11,使模型能够更精准地对齐红外小目标像素的高斯空间分布,在增强底层特征提取的同时显著扩大感受野,使网络更好地适应不同尺度红外小目标的检测需求。


专栏目录:YOLOv11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

专栏地址:YOLOv11改进专栏——以发表论文的角度,快速准确的找到有效涨点的创新点!

文章目录

  • 一、本文介绍
  • 二、风车卷积介绍
    • 2.1 设计出发点
    • 2.2 结构原理
    • 2.3优势
  • 三、风车卷积的实现代码
  • 四、创新模块
    • 4.1 改进点⭐
    • 4.2 改进点⭐
  • 五、添加步骤
    • 5.1 修改一
    • 5.2 修改二
    • 5.3 修改三

你可能感兴趣的:(YOLOv11改进专栏,YOLO,目标检测,计算机视觉,深度学习)