YOLOv12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

最新推荐文章于 2025-05-31 21:56:24 发布

Limiiiing

最新推荐文章于 2025-05-31 21:56:24 发布

阅读量57

点赞数

分类专栏： YOLOv12改进专栏文章标签： YOLO 计算机视觉目标检测深度学习

本文链接：https://blog.csdn.net/qq_42591591/article/details/147976364

版权

YOLOv12改进专栏专栏收录该内容

该专栏为热销专栏榜第45名

154 篇文章 ¥99.90 ¥299.90

订阅专栏

一、本文介绍

本文记录的是利用风车卷积改进YOLOv12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YOLOv12，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：YOLOv12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：YOLOv12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！

了解本专栏