ECCV'24｜WTConv：小参数大感受野，基于小波变换的新型卷积

文章预览

↑ 点击 蓝字  关注极市平台 作者丨晓飞的算法工程笔记 来源丨晓飞的算法工程笔记 编辑丨极市平台 极市导读   这篇文章介绍了一种新型卷积层WTConv，它利用小波变换有效地扩大了卷积神经网络的感受野而不显著增加参数量，从而提升了网络性能。WTConv层可以作为现有CNN架构的直接替代，并在图像分类、语义分割和物体检测等多个计算机视觉任务中展示了其有效性。   >> 加入极市CV技术交流群，走在计算机视觉的最前沿 近年来，人们尝试增加卷积神经网络（ CNN ）的卷积核大小，以模拟视觉 Transformer （ ViTs ）自注意力模块的全局感受野。然而，这种方法很快就遇到了上限，并在实现全局感受野之前就达到了饱和。论文证明通过利用小波变换（ WT ），实际上可以获得非常大的感受野，而不会出现过参数化的情况。例如，对于一个 k × k 的感受野 ………………………………