.png){kind=icon}
返回
PVConv: Enhancing Depthwise Separable Convolution via Preference-Value Learning for Similar-Feature Discrimination
.png){kind=icon}
OA
AI
DOI：10.3390/electronics14244978.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
深度分离卷积（DSC）因其显著减少参数量和计算成本而被广泛应用。然而，深度卷积过程导致空间信息整合能力下降，限制了网络的表达能力。为解决这一问题，我们提出了一种新颖的偏好值卷积（PVConv）以增强DSC的表达能力。通过将PVConv集成到DSC中，我们引入了偏好值深度分离卷积（PVDSC）结构。我们将DSC和PVDSC均集成到YOLOv8框架中，并在包含视觉相似物体类别和背景干扰的饮料容器数据集上进行了实验。结果表明，在参数量和计算成本仅少量增加的情况下，引入偏好值显著提升了检测精度、F1分数和注意力一致性，特别是在高IoU阈值（mAP@50:95）下，物体定位能力得到极大增强，某些指标甚至超过复杂的基线模型。总体而言，PVConv显著增强了基于DSC的网络表达能力，同时保持低计算开销，具有广阔的应用前景。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2.6
论文数:
1.1W
被引数:
4.7W
机构
引用论文
Grad-CAM++: Generalized Gradient-Based Visual Explanations for Deep Convolutional NetworksGrad-cam: 基于广义梯度的深度卷积网络视觉解释OAAI
.png){kind=icon}
OAAI分享收藏ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile DevicesShuffleNet: 一种用于移动设备的极其高效的卷积神经网络
OAAI
OAAI分享收藏DSXplore: Optimizing Convolutional Neural Networks via Sliding-Channel Convolutions王, Y.; 冯, B.; 丁, Y. DSXplore: 通过滑动通道卷积优化卷积神经网络. 见: 2021年IEEE国际并行与分布式处理 symposium (IPDPS), 俄勒冈州波特兰, 美国, 2021年5月17–21日; 第619–628页. [Google Scholar] [CrossRef]
PREAI
分享收藏ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture DesignShuffleNet V2: 高效CNN架构设计的实用指南
PREAI
分享收藏
查看更多内容