摘要
在本文中，我们创新性地将ACConv2d模块引入到YoloV8目标检测模型中，通过对YoloV8中原有的Conv卷积层进行替换，实现了模型性能的大幅提升。ACConv2d模块基于不对称卷积块（ACB）的设计思想，利用1D非对称卷积（1×3和3×1卷积）来增强标准方形卷积核（如3×3卷积）的表征能力。这一创新不仅增强了模型的特征提取能力，还通过引入分组卷积的策略进一步降低了运算量，从而在保证模型精度的同时，提升了运行效率。
核心改进概述：
-
ACConv2d模块替换：我们直接替换YoloV8中的所有标准Conv卷积层为ACConv2d模块。ACConv2d模块内部集成了3×3、1×3和3×1三种不同尺寸的卷积核，并通过并行处理及特征图融合的方式，显著增强了模型的表征能力。
-
分组卷积优化：为了进一步降低运算量，我们对ACConv2d模块中的3×3卷积层进行了分组卷积改造。分组卷积通过将输入特征图分成多个小组，并在每个小组内独立进行卷积操作，有效减少了模型参数和计算复杂度，同时保持了良好的性能。
主要优点：
-
性能显著提升：实验结果表明，使用ACConv2d模块替换后的YoloV8模型在多个基准数据集上均取得了显著的性能提升，
