前言
本文介绍了一种用于构建轻量级深度神经网络的双卷积核（DualConv）方法及其在YOLOv11中的结合。DualConv结合 3 × 3 3 \times 3 3×3和 1 × 1 1 \times 1 1×1卷积核同时处理输入特征图通道，利用组卷积技术排列卷积滤波器。 3 × 3 3 \times 3 3×3卷积核提取细粒度特征， 1 × 1 1 \times 1 1×1卷积核压缩参数，组卷积减少计算量。该方法可应用于多种CNN模型。我们将DualConv集成进YOLOv11，实验表明它显著减少了计算成本和参数数量，提升了YOLO-V3检测速度和准确性，在部分数据集上还提高了分类准确率。
文章目录： YOLOv11改进大全：卷积层、轻量化、注意力机制、损失函数、Backbone、SPPF、Neck、检测头全方位优化汇总
专栏链接: YOLOv11改进专栏
文章目录
介绍
摘要
CNN架构通常对内存和计算资源的要求较高，这使得它们在硬件资源有限的嵌入式系统中难以实现。我们提出了一种用于构建轻量级深度神经网络的双卷积核（DualConv）方法。DualConv结合了 3 × 3 3 \times 3 3×3
订阅专栏 解锁全文
967
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
