摘要

本文使用DOConv卷积，替换YoloV8的常规卷积，轻量高效，即插即用！改进方法非常简单。

DO-Conv（Depthwise Over-parameterized Convolutional Layer）是一种深度过参数化的卷积层，用于提高卷积神经网络（CNN）的性能。它的核心思想是在训练阶段使用额外的深度卷积来增强卷积层，其中每个输入通道与不同的二维核进行卷积。这两个卷积的组合构成了一个过度参数化，因为它增加了可学习的参数，而结果的线性操作可以用单个卷积层来表示。在推理阶段，DO-Conv可以融合到常规卷积层中，使得计算量与常规卷积层的计算量完全相同。

DO-Conv可以作为一种即插即用的模块，用于替代CNN中的常规卷积层，以提高在各种计算机视觉任务（如图像分类、语义分割和对象检测）上的性能。通过实验证明，使用DO-Conv不仅可以加速网络的训练过程，还能在多种计算机视觉任务中取得比使用传统卷积层更好的结果。

论文链接：https://arxiv.org/pdf/2006.12030.pdf

代码

# coding=utf-8
import math
import torch