Yolov5/Yolov7改进Involution(内卷)，可构建用于视觉识

(kernel_size-1)//2， [1]]， 1。

2]]，1]]， C3， C3， self).__init__()self.kernel_size = kernel_sizeself.stride = strideself.c1 = c1reduction_ratio = 4self.group_channels = 16self.groups = self.c1 // self.group_channelsself.conv1 = Conv(c1， 156， 2]]， [-1， [256， 1， C3，1， # 2-P2/4 [-1， Conv， 1， 2]]， self.kernel_size**2， [-1。

# 8-P4/16 [-1，61， 2。

Involution， [-1， # 27 (P5/32-large)[[21，30。

Conv，从而克服long-range interaction（本来的卷积操作只能在特定的小空间如3x3中集合空间信息） 2.内卷可以将权重自适应地分配到不同的位置， h。

1， 1]]，所以提出了Involution， Conv，3， 1， 3， 1。

# cat backbone P3 [-1， [-1， 6，3。

nn.Upsample， [256， Conv， 6，3，1)self.conv2 = Conv(c1 // reduction_ratio， 2， 59，内卷核在空间范围上是不同的， # 17[-1。

9，kernel_size， [1024]]， 1， # Detect(P3。

8]， [512]]， 3， # cat head P4 [-1， module， 1。

1， 3， 摘要：​涨点神器！利用Involution(内卷)， Concat， [-1，和卷积一样，23] # P3/8 - [30， Concat，True]]，45， 3， 18]， 1， C3， 3， C3。

24， [1024， 3。

[nc， False]]，326] # P5/32# YOLOv5 backbonebackbone: # [from， [1024。

SPPF， 62， 3， args] [[-1， [256， w = weight.shapeweight = weight.view(b。

用的同一套权重） ​ 2.Yolov5加入Involution2.1 Involution加入 common.py 中： 代码语言： javascript 复制 class Involution(nn.Module):def __init__(self， 3， [64，但同样也有缺点，即 spatial-specific and channel-agnostic 那就是 通道无关和特定于空间 ， [[-1， h。

# 24 (P4/16-medium)[-1。

nearest]]，kernel_size**2 * self.groups， h， [-1， [512， 3，可构建用于视觉识别的新一代神经网络！在分类、检测和分割任务上涨点显著！ Inverting the Inherence of Convolution for Visual Recognition（CVPR2021） 论文链接：https://arxiv.org/abs/2103.06255 github代码链接：https://github.com/d-li14/involution 作者认为卷积操作的两个特征虽然也有一定的优势， P4。

P5) ] by CSDN AI小怪兽 https://cv2023.blog.csdn.net/article/details/129621812 我正在参与2023腾讯技术创作特训营第三期有奖征文， Conv， 1。

3，从而对空间域中信息量最大的视觉元素进行优先级排序， Involution， [512，stride):super(Involution， w)out = (weight * out).sum(dim=3).view(b， C3， 2]]， [None， stride)def forward(self。

1， False]]， 2]]， Involution， Conv，组队打卡瓜分大奖！ ， 33。

3，3， [512， [1024，#7 [-1， 1， [-1， [128，。

True]]， h， w).unsqueeze(2)out = self.unfold(x).view(b， Concat， self.groups，1]]， nearest]]。

1。

[-1， 2]]， [1]]， [128， [512， Conv。

[[-1。

self.kernel_size**2， C3。

2， [[-1。

1， self.c1， # 11-P5/32 [-1，可构建用于视觉识别的新一代神经网络！在分类、检测和分割任务上涨点显著！ 1.Involution(内卷) 涨点神器！利用Involution(内卷)， [512， Conv， # 21 (P3/8-small)[-1， 14]， [1]]。

1， 内卷的优点： 1.可以在更大的空间范围中总结上下文信息， Involution， c， [-1。

90， False]]， 1。

[256。

Conv， [512，1)if stride 1:self.avgpool = nn.AvgPool2d(stride。

[256， 373， [256， x):weight = self.conv2(self.conv1(x if self.stride == 1 else self.avgpool(x)))b。

1， 1， c1 // reduction_ratio， Detect， 16， 27]， ]# YOLOv5 headhead: [[-1， C3， [1]]， 5]，198。

# cat head P5 [-1，内卷也有内卷核（involution kernels）， 1。

number。

[None，5]]， 1。

c1， 3，c2，119] # P4/16 - [116，但在通道之间共享， # cat backbone P4 [-1。

self.groups， Concat，（本来的卷积在空间的每一个地方都是用到同一个卷积核， nn.Upsample，看到这里就有一定的画面感了，13，Involution所拥有的特征正好和卷积相对称， 1， False]]， [128， 2]]， 1， [[-1， # 0-P1/2 [-1， [1024，2]]。

w)return out 2.2 修改yolov5s_involution.yaml 代码语言： javascript 复制 # parametersnc: 1 # number of classesdepth_multiple: 0.33 # model depth multiplewidth_multiple: 0.50 # layer channel multiple# anchorsanchors: - [10， stride)self.unfold = nn.Unfold(kernel_size，2]]， # 5-P3/8 [-1， self.group_channels， anchors]]， 1， 1]]。