点击下方卡片，关注“CVer”公众号 AI/CV重磅干货，第一时间送达 转载自：极市平台  |  作者：happy 导读  本文介绍了一篇动态卷积的工作：ODConv，其通过并行策略采用多维注意力机制沿核空间的四个维度学习互补性注意力。作为一种“即插即用”的操作，它可以轻易的嵌入到现有CNN网络中。并且实验结果表明它可提升大模型的性能，又可提升轻量型模型的性能，实乃万金油是也！ Omni-D

ODConv：在卷积核所有维度（数量、空间、输入、输出）上应用注意力机制来优化传统的动态卷积 提出背景传统动态卷积全维动态卷积效果 小目标涨点YOLO v5 魔改YOLO v7 魔改YOLO v8 魔改   论文：https://openreview.net/pdf?id=DmpCfq6Mg39 代码：https://github.com/OSVAI/ODConv

​ 前言：Hello大家好，我是小哥谈。动态卷积（Dynamic Convolution）是一种用于目标检测的卷积神经网络模块，其中ODConv（Object Detection Convolution）是其一种具体实现。动态卷积在传统的卷积操作上引入了动态权重，以适应不同目标的形状和尺度变化。本文将YOLOv5的主干网络中的Conv换成即插即用的动态卷积ODConv，希望大家学习之后能够有所

论文地址：Omni-Dimensional Dynamic Convolution | OpenReview 代码地址：https://github.com/OSVAI/ODConv/blob/main/modules/odconv.py 1.是什么？ ODConv是一种动态卷积算法，它的原理是在卷积过程中，根据输入数据的特征动态地调整卷积核的形状和大小，以适应不同的输入数据。具体来说，

为了提升无人机视角下目标检测效果，基于YOLOv5算法，在YOLOv5主干中实现了Omnidimensional Convolution（ODConv），以在不增加网络宽度和深度的情况下提高精度，还在YOLOv5骨干网中用ConvNeXt块替换了原始的C3块，以加快检测速度。 1 Omni-dimensional dynamic convolution YOLOv5使用传统的二维卷积来生成