YOLO11优化:CVPR2026 UCMNet |FrequencyCM赋能YOLO C3k2:从频域增强视角解决感受野与细节瓶颈
💡💡💡现有YOLO C3k2的问题点:感受野受限:堆叠小核卷积(如3×3)难以捕获全局上下文,对尺度变化大、小目标或遮挡目标特征提取不足。频域信息缺失:仅依赖空间域卷积,无法有效利用傅里叶域的高频细节,导致低对比度、模糊区域重建能力弱。特征交互低效:通道间信息交互依赖逐点卷积,缺乏全局特征重校准,存在特征冗余。🔍🔍🔍FrequencyCM引入YOLO C3k2的优势:频域增强:显式利用傅里叶域信息,提升高频细节恢复能力,改善低分辨、模糊目标检测。全局感受野:以极低计算开销获得整图级感受野,突破局部视野瓶颈。轻量高效:模块参数量和FLOPs增量极小,即插即用,训练稳定,推理速度快于窗口注意力。💡💡💡本文改
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2628738.html
如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!