SCConv 不是同一个工作哈:不同于标准卷积采用小尺寸核同时融合空域与通道信息,SCNet 中所设计的 SCConv 可以通过自矫正操作自适应构建远距离空间域与通道间相关性。SCConv 的这种特性可以帮助 CNNs 生成更具判别能力的特征表达,因其具有更丰富的信息。另外这个结构也是极为简单且通用,可以轻易嵌入到现有架构中,而...
SCConv通过对卷积操作进行优化,提升了对局部特征的学习能力,尤其适用于需要细粒度识别的目标检测任务。 在改进后的YOLOv8架构中,我们通过以下方式引入SCConv: 在backbone中的多个层级(如C2f_SCConv)替代了传统的卷积层。通过使用SCConv,我们能够更好地捕捉图像中的局部细节信息,提升检测精度。 SCConv在不同尺度的特征...
SCConv通过引入空间和通道重建机制,使得卷积核能够自适应地调整其形状和尺寸,从而更好地适应不同的任务和数据集。 具体而言,SCConv将卷积操作分为两个步骤:空间和通道重建。在空间重建阶段,SCConv通过学习一个空间变换矩阵,对输入特征图进行空间变换,从而改变特征图的空间结构。在通道重建阶段,SCConv则通过学习一个通...
作者指出,SCConv 是一种可以直接替代标准卷积操作的插件式卷积模块 ,可以应用于各种卷积神经网络中,从而降低冗余特征并减少计算复杂性。 在后续的实验中,文章作者认为相对于其他流行的 SOTA 方法,他们提出的 SCConv 可以以更低的计算成本获得更高的准确率。下图是 ResNet50 在 ImageNet 上的 Top1 准确性测试结果。
在浏览新闻时,偶然发现一篇引人注目的研究,其中介绍了一个名为SCConv[1]的创新卷积模块。该模块通过结合空间与通道的重构,致力于降低因冗余特征提取而产生的计算负担。 关于Self-Calibrated Convolutions的探讨 需指出的是,此SCConv与程明明教授团队于2020年CVPR上所提SCNet中的SCConv并非同一研究。程教授团队的SCConv...
加入融合ScConv的C2f模块,在ultralytics包中的nn包的modules中的block.py文件中添加改进模块。代码如下: class SRU(nn.Module):def __init__(self,oup_channels: int,group_num: int = 16,gate_treshold: float = 0.5):super().__init__()self.gn = GroupBatchnorm2d(oup_channels, group_num=group...
本章创新为融合SCconv的特征提取方法,顾名思义就是将SCconv模块融合到YOLOv8的骨干特征提取网络部分(backbone),首先我们了解一些SCconv。 SCConv是CVPR2023收录的一个即插即用的空间和通道重建卷积模块,其结构如下: SCconv论文下载地址 同时,在论文中也提供了实现代码: ...
CVPR2023即插即用 | SCConv: Spatial and Channel Reconstruction Convolution for Feature Redundancy 久违的更新来啦!真是出乎意料,如今这种类型的模块竟然还能被cvpr2023收录,仿佛一切又回到了起点。简单来说,本文推出了一种新型卷积,它能够轻松融入任何卷积模型,实现即插即用。作者从空间和通道两个维度入手,分别设计...
🕹️SCConv: Spatial and Channel Reconstruction Convolution for Feature Redundancy - ScConv/ScConv.py at main · cheng-haha/ScConv
SCConv: Spatial and Channel Reconstruction Convolution for Feature Redundancy Jiafeng Li1, Ying Wen1*, Lianghua He2 1School of Communication and Electronic Engineering, East China Normal University, Shanghai, China. 2Department of Computer Science and Technology, To...