YOLOv8改进 | 主干网络| 可变形卷积网络C2f_DCN【CVPR2017】

---

💡💡💡本专栏所有程序均经过测试，可成功执行💡💡💡

---

专栏目录：《YOLOv8改进有效涨点》专栏介绍 & 专栏目录 | 目前已有40+篇内容，内含各种Head检测头、损失函数Loss、Backbone、Neck、NMS等创新点改进

---

卷积神经网络（CNN）由于其构建模块中固定的几何结构，天生就局限于对几何变换的建模。为此，引入了两个新的模块来增强CNN的变换建模能力，即可变形卷积和可变形RoI池化。两者都是基于在模块的空间采样位置增加附加偏移量的思想，并从目标任务中学习这些偏移量，而不需要额外的监督。这些新模块可以很容易地替换现有CNNs中的普通对应模块，并且可以通过标准的反向传播轻松地进行端到端的训练，从而产生可变形卷积网络。文章在介绍主要的原理后，将手把手教学如何进行模块的代码添加和修改，并将修改后的完整代码放在文章的最后，方便大家一键运行，小白也可轻松上手实践。以帮助您更好地学习深度学习目标检测YOLO系列的挑战。

专栏地址：YOLOv8改进——更新各种有效涨点方法——点击即可跳转

目录

1.原理

2. 将C2f_DCN添加到YOLOv8中

2.1 Deformable Convolutional Networks代码实现

2.2 更改init.py文件

2.3 添加yaml文件

2.4 在task.py中进行注册

2.5 执行程序