一、本文介绍

本文记录的是利用小波卷积WTConv模块优化YOLOv11的目标检测网络模型。WTConv的目的是在不出现过参数化的情况下有效地增加卷积的感受野，从而解决了CNN在感受野扩展中的参数膨胀问题。本文将其加入到深度可分离卷积中，有效降低模型参数量和计算量，并二次创新C3k2，使模块更好地捕捉低频特征，增强网络性能。

文章目录

• 一、本文介绍
• 二、RCS-OSA介绍
• • 2.1 出发点
  • 2.2 原理
  • • 2.2.1 基于小波变换的卷积操作
    • 2.2.2 小波域的卷积操作
  • 2.3 结构
  • 2.4 优势
• 三、小波卷积的实现代码
• 四、创新模块
• • 4.1 改进点1⭐
  • 4.2 改进点2⭐
• 五、添加步骤
• • 5.1 修改一
  • 5.2 修改二
  • 5.3 修改三
• 六、yaml模型文件
• • 6.1 模型改进版本1</