YOLOv11改进 | Conv篇 | YOLOv11引入24年大感受野的小波卷积WTConv

1. WTConv介绍

1.1  摘要：近年来，人们试图通过增加卷积神经网络（ConvolutionalNeuralNets，CNNs）的核尺寸来模拟视觉变换器（VisionTransformers，ViTs）的自我注意块的全局感受域。然而，这种方法很快就达到了一个上限和饱和的方式之前，实现了一个全球的接受领域。在这项工作中，我们证明，通过利用小波变换（WT），它是，事实上，有可能获得非常大的感受野，而不遭受过度参数化，例如，对于k × k的感受野，所提出的方法中的可训练参数的数目仅随k的对数增长。所提出的WTConv层可作为现有架构中的插入式替代品，产生有效的多频响应，并随着感受野的大小而适度地缩放。我们展示了ConvNeXt和MobileNetV2架构中的WTConv层在图像分类以及下游任务主干中的有效性，并展示了它产生的额外属性，如对图像损坏的鲁棒性和对形状的响应优于对纹理的响应。

官方论文地址：https://arxiv.org/pdf/2407.05848

1.2  简单介绍:

WTConv模块是一种专为卷积神经网络（CNN）设计的新型卷积层，旨在通过小波变换（Wavelet Tran