YOLOv11改进 | Conv/卷积篇 | 2024最新Kolmogorov-Arnold网络架构下的KANConv（包含九种不同类型激活函数的KANConv2d）

Snu77

已于 2024-11-15 12:34:34 修改

阅读量2.3k

点赞数 5

CC 4.0 BY-SA版权

分类专栏： YOLOv11有效涨点专栏文章标签： YOLO 深度学习人工智能 python 目标检测 YOLOv11 计算机视觉

于 2024-11-15 01:51:13 首次发布

本文链接：https://blog.youkuaiyun.com/java1314777/article/details/143784269

YOLOv11有效涨点专栏专栏收录该内容

161 篇文章 ¥179.90 ¥299.90

订阅专栏

一、本文介绍

本文给大家带来的改进机制是2024最新的，Kolmogorov-Arnold 网络（Convolutional KANs），这种架构旨在将 Kolmogorov-Arnold 网络（KANs）的非线性激活函数整合到卷积层中，从而替代传统卷积神经网络（CNNs）的线性变换。与标准的卷积神经网络（CNN）相比，KANConv 层引入了更多的参数，因为每个卷积核元素都需要额外的可学习函数。这使得它能够更好地捕捉数据中的空间关系。在实验中，KANConv 层在图像识别等任务中常常表现出比传统卷积层更高的精度，特别是当网络架构经过精心优化时。同时博主帮大家整理了多大九种的不同类型激活函数KANConv2d，总有一种适合你的数据集，包含：

KANConv2d：原始基于 B 样条的 KAN 的卷积版本。

FastKANConv2d：使用径向基函数（RBF）作为激活函数，这是 .KANConv2D

FasterKANConv2d：采用反射开关激活函数（RSWAF）。

ChebyKANConv2d：使用 Chebyshev 多项式作为激活函数。

GRAMKANConv2d：实现 Gram 多项式作为激活函数。

WavKANConv2d：使用 Wavelet 变换作为激活函数。

JacobiKANConv2d：使用 Jacobi 多项式作为激活函数。

ReLUKANConv2d：将 ReLU 的修改版本合并为激活函数。

RBFKANConv2d：另一种使用径向基函数（RBF）作为激活函数的实现。