YoloV9改进策略：卷积篇|风车卷积|即插即用

论文信息

论文标题：《Pinwheel-shaped Convolution and Scale-based Dynamic Loss for Infrared Small Target Detection》

论文链接：https://arxiv.org/pdf/2412.16986

GitHub链接：https://github.com/JN-Yang/PConv-SDloss-Data

论文翻译

摘要

https://arxiv.org/pdf/2412.16986
近年来，基于卷积神经网络（CNN）的红外小目标检测方法取得了卓越的性能。然而，这些方法通常采用标准卷积，忽略了红外小目标像素分布的空间特性。因此，我们提出了一种新型的风车形卷积（PConv）来替代骨干网络下层的标准卷积。PConv 更好地契合了微弱小目标像素的高斯空间分布，增强了特征提取能力，显著增大了感受野，并且参数增加量极少。此外，虽然最近的损失函数结合了尺度损失和位置损失，但它们没有充分考虑这些损失在不同目标尺度下的敏感性差异，这限制了在微弱小目标上的检测性能。为了克服这一问题，我们提出了一种基于尺度的动态（SD）