本文介绍了将PKINet的PKIBlock融入YOLOv9的改进策略，避免了大核卷积和膨胀卷积的缺点，通过多尺度卷积核有效地提取多尺度特征，特别适合小目标检测，提升性能。PKINet在遥感图像目标检测任务上表现出色，与YOLOv9结合后，提供了优化的网络结构和损失函数，以提高检测精度。
💡💡💡本文独家改进：多尺度卷积核：与之前依赖大卷积核或膨胀卷积的方法不同，PKINet利用不同大小的多个深度卷积核，优势：无需膨胀即可提取不同感受野中的多尺度纹理特征。
，改进思路来自CVPR2024 PKINet，2024年前沿最新改进，抢先使用
💡💡💡小目标数据集，涨点近两个点，强烈推荐
改进结构图如下：
《YOLOv9魔术师专栏》将从以下各个方向进行创新：
【原创自研模块】【多组合点优化】【注意力机制】【卷积魔改】【block&多尺度融合结合】【损失&IOU优化】【上下采样优化 】【SPPELAN & RepNCSPELAN4优化】【小目标性能提升】【前沿
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
