【即插即用涨点模块-卷积】SPDConv空间深度卷积，助力小目标与低分辨有效涨点【附源码+注释】

《------往期经典推荐------》

一、AI应用软件开发实战专栏【链接】

项目名称	项目名称
1.【人脸识别与管理系统开发】	2.【车牌识别与自动收费管理系统开发】
3.【手势识别系统开发】	4.【人脸面部活体检测系统开发】
5.【图片风格快速迁移软件开发】	6.【人脸表表情识别系统】
7.【YOLOv8多目标识别与自动标注软件开发】	8.【基于深度学习的行人跌倒检测系统】
9.【基于深度学习的PCB板缺陷检测系统】	10.【基于深度学习的生活垃圾分类目标检测系统】
11.【基于深度学习的安全帽目标检测系统】	12.【基于深度学习的120种犬类检测与识别系统】
13.【基于深度学习的路面坑洞检测系统】	14.【基于深度学习的火焰烟雾检测系统】
15.【基于深度学习的钢材表面缺陷检测系统】	16.【基于深度学习的舰船目标分类检测系统】
17.【基于深度学习的西红柿成熟度检测系统】	18.【基于深度学习的血细胞检测与计数系统】
19.【基于深度学习的吸烟/抽烟行为检测系统】	20.【基于深度学习的水稻害虫检测与识别系统】
21.【基于深度学习的高精度车辆行人检测与计数系统】	22.【基于深度学习的路面标志线检测与识别系统】
23.【基于深度学习的智能小麦害虫检测识别系统】	24.【基于深度学习的智能玉米害虫检测识别系统】
25.【基于深度学习的200种鸟类智能检测与识别系统】	26.【基于深度学习的45种交通标志智能检测与识别系统】
27.【基于深度学习的人脸面部表情识别系统】	28.【基于深度学习的苹果叶片病害智能诊断系统】
29.【基于深度学习的智能肺炎诊断系统】	30.【基于深度学习的葡萄簇目标检测系统】
31.【基于深度学习的100种中草药智能识别系统】	32.【基于深度学习的102种花卉智能识别系统】
33.【基于深度学习的100种蝴蝶智能识别系统】	34.【基于深度学习的水稻叶片病害智能诊断系统】
35.【基于与ByteTrack的车辆行人多目标检测与追踪系统】	36.【基于深度学习的智能草莓病害检测与分割系统】
37.【基于深度学习的复杂场景下船舶目标检测系统】	38.【基于深度学习的农作物幼苗与杂草检测系统】
39.【基于深度学习的智能道路裂缝检测与分析系统】	40.【基于深度学习的葡萄病害智能诊断与防治系统】
41.【基于深度学习的遥感地理空间物体检测系统】	42.【基于深度学习的无人机视角地面物体检测系统】
43.【基于深度学习的木薯病害智能诊断与防治系统】	44.【基于深度学习的野外火焰烟雾检测系统】
45.【基于深度学习的脑肿瘤智能检测系统】	46.【基于深度学习的玉米叶片病害智能诊断与防治系统】
47.【基于深度学习的橙子病害智能诊断与防治系统】	48.【基于深度学习的车辆检测追踪与流量计数系统】
49.【基于深度学习的行人检测追踪与双向流量计数系统】	50.【基于深度学习的反光衣检测与预警系统】
51.【基于深度学习的危险区域人员闯入检测与报警系统】	52.【基于深度学习的高密度人脸智能检测与统计系统】
53.【基于深度学习的CT扫描图像肾结石智能检测系统】	54.【基于深度学习的水果智能检测系统】
55.【基于深度学习的水果质量好坏智能检测系统】	56.【基于深度学习的蔬菜目标检测与识别系统】
57.【基于深度学习的非机动车驾驶员头盔检测系统】	58.【太基于深度学习的阳能电池板检测与分析系统】
59.【基于深度学习的工业螺栓螺母检测】	60.【基于深度学习的金属焊缝缺陷检测系统】
61.【基于深度学习的链条缺陷检测与识别系统】	62.【基于深度学习的交通信号灯检测识别】
63.【基于深度学习的草莓成熟度检测与识别系统】	64.【基于深度学习的水下海生物检测识别系统】
65.【基于深度学习的道路交通事故检测识别系统】	66.【基于深度学习的安检X光危险品检测与识别系统】
67.【基于深度学习的农作物类别检测与识别系统】	68.【基于深度学习的危险驾驶行为检测识别系统】
69.【基于深度学习的维修工具检测识别系统】	70.【基于深度学习的维修工具检测识别系统】
71.【基于深度学习的建筑墙面损伤检测系统】	72.【基于深度学习的煤矿传送带异物检测系统】
73.【基于深度学习的老鼠智能检测系统】	74.【基于深度学习的水面垃圾智能检测识别系统】
75.【基于深度学习的遥感视角船只智能检测系统】	76.【基于深度学习的胃肠道息肉智能检测分割与诊断系统】
77.【基于深度学习的心脏超声图像间隔壁检测分割与分析系统】	78.【基于深度学习的心脏超声图像间隔壁检测分割与分析系统】
79.【基于深度学习的果园苹果检测与计数系统】	80.【基于深度学习的半导体芯片缺陷检测系统】
81.【基于深度学习的糖尿病视网膜病变检测与诊断系统】	82.【基于深度学习的运动鞋品牌检测与识别系统】
83.【基于深度学习的苹果叶片病害检测识别系统】	84.【基于深度学习的医学X光骨折检测与语音提示系统】
85.【基于深度学习的遥感视角农田检测与分割系统】	86.【基于深度学习的运动品牌LOGO检测与识别系统】
87.【基于深度学习的电瓶车进电梯检测与语音提示系统】	88.【基于深度学习的遥感视角地面房屋建筑检测分割与分析系统】
89.【基于深度学习的医学CT图像肺结节智能检测与语音提示系统】	90.【基于深度学习的舌苔舌象检测识别与诊断系统】
91.【基于深度学习的蛀牙智能检测与语音提示系统】	92.【基于深度学习的皮肤癌智能检测与语音提示系统】

二、机器学习实战专栏【链接】，已更新31期，欢迎关注，持续更新中~~
三、深度学习【Pytorch】专栏【链接】
四、【Stable Diffusion绘画系列】专栏【链接】
五、YOLOv8改进专栏【链接】，持续更新中~~
六、YOLO性能对比专栏【链接】，持续更新中~

《------正文------》

摘要

在这里插入图片描述

核心问题：现有CNN架构在低分辨率图像和小物体检测任务中性能显著下降，根源在于普遍使用的跨步卷积（strided convolution）和池化层会导致细粒度信息丢失。
解决方案：提出新型CNN构建模块SPD-Conv，完全替代跨步卷积和池化层，由空间到深度（SPD）层+非跨步卷积层组成。
效果：
- 在目标检测（YOLOv5改造）和图像分类（ResNet改造）任务中验证
- 在COCO、Tiny ImageNet等数据集上显著提升AP和top-1准确率
- 对小物体检测（APs提升最高达19%）和低分辨率图像效果尤为突出

在这里插入图片描述

方法详解

1. SPD-Conv结构

在这里插入图片描述

组件	功能	数学表达	特点
SPD层	特征图下采样	输入： $X(S,S,C_1)$ → 输出： $X'(\frac{S}{scale}, \frac{S}{scale}, scale^2C_1)$	无信息丢失的下采样
非跨步卷积	通道数调整	使用stride=1的卷积核，输出 $X''(\frac{S}{scale}, \frac{S}{scale}, C_2)$	保留全部判别性特征

2. 实现细节

SPD层工作流程：
1. 按scale因子切片特征图（如scale=2时得到4个子图）
2. 沿通道维度拼接子图
3. 示例：640x640输入 → SPD(scale=2) → 320x320输出（通道数×4）
与传统方法对比：

方法信息保留适用场景计算效率
跨步卷积丢失高频信息高分辨率场景高
最大池化丢失空间细节大物体检测高
SPD-Conv 完全保留小物体/低分辨率中等

方法	信息保留	适用场景	计算效率
跨步卷积	丢失高频信息	高分辨率场景	高
最大池化	丢失空间细节	大物体检测	高
SPD-Conv	完全保留	小物体/低分辨率	中等

创新点

架构革新：
- 首次完全消除CNN中的跨步操作
- 统一处理下采样（替代池化和跨步卷积）
理论突破：
- 证明传统下采样是性能瓶颈的理论依据
- 提出信息无损下采样范式
工程价值：
- 即插即用：兼容主流CNN架构（YOLO/ResNet等）
- 开源实现：提供PyTorch/TensorFlow支持
性能优势：
- COCO数据集小物体AP提升最高达19%
- Tiny ImageNet分类准确率提升2.84%

SPD-Conv的作用机制

在目标检测中的应用（YOLOv5-SPD）

在这里插入图片描述

改造点：
- 替换7个stride=2卷积层（Backbone 5层 + Neck 2层）
- 保持原网络宽度/深度缩放策略
效果增强原理：
- 多尺度特征保留：SPD层将空间信息转化为通道信息
- 小物体检测：1/4分辨率下仍保持有效特征
可视化对比：
- 传统YOLOv5：漏检被遮挡物体（长颈鹿）
- YOLOv5-SPD：成功检测微小物体（人脸+长椅）

在图像分类中的应用（ResNet-SPD）

在这里插入图片描述

改造策略：
- 移除原始max pooling层（因输入分辨率已较低）
- 替换4个stride=2卷积
分类优势：
- 低分辨率图像（64x64）纹理特征保留更完整
- 错误案例分析：ResNet18误分类样本被SPD版本正确识别

总结与启示

核心结论：
- 传统下采样方法是小物体检测的性能瓶颈
- SPD-Conv在同等参数量下实现显著性能提升
应用指导：
- 推荐场景：监控摄像头、医学影像、卫星图像等小物体/低分辨率任务
- 慎用场景：高分辨率大物体检测（可能增加不必要计算量）

SPDConv模块源码与注释

#论文地址：https://arxiv.org/pdf/2208.03641.pdf
#代码地址：https://github.com/LabSAINT/SPD-Conv

import torch
import torch.nn as nn

# 自动填充函数，用于确保卷积操作后输出的特征图尺寸与输入相同
def autopad(k, p=None, d=1):  # kernel, padding, dilation
    """计算填充大小，使得卷积操作后输出尺寸与输入相同。
    
    参数:
        k (int or list): 卷积核大小
        p (int or list, optional): 填充大小，默认为None
        d (int or list, optional): 膨胀因子，默认为1
    
    返回:
        p (int or list): 计算后的填充大小
    """
    if d > 1:
        k = d * (k - 1) + 1 if isinstance(k, int) else [d * (x - 1) + 1 for x in k]  # 计算实际卷积核大小
    if p is None:
        p = k // 2 if isinstance(k, int) else [x // 2 for x in k]  # 自动计算填充大小
    return p

# 定义SPDConv类，继承自nn.Module
class SPDConv(nn.Module):
    """标准卷积层，支持多种参数配置，包括输入通道数、输出通道数、卷积核大小、步幅、填充、分组、膨胀因子和激活函数。
    
    参数:
        c1 (int): 输入通道数
        c2 (int): 输出通道数
        k (int, optional): 卷积核大小，默认为1
        s (int, optional): 步幅，默认为1
        p (int or list, optional): 填充大小，默认为None
        g (int, optional): 分组数，默认为1
        d (int or list, optional): 膨胀因子，默认为1
        act (bool or nn.Module, optional): 是否使用激活函数，默认为True
    """
    default_act = nn.SiLU()  # 默认激活函数为SiLU

    def __init__(self, c1, c2, k=1, s=1, p=None, g=1, d=1, act=True):
        """初始化卷积层。
        
        参数:
            c1 (int): 输入通道数
            c2 (int): 输出通道数
            k (int, optional): 卷积核大小，默认为1
            s (int, optional): 步幅，默认为1
            p (int or list, optional): 填充大小，默认为None
            g (int, optional): 分组数，默认为1
            d (int or list, optional): 膨胀因子，默认为1
            act (bool or nn.Module, optional): 是否使用激活函数，默认为True
        """
        super().__init__()
        c1 = c1 * 4  # 将输入通道数乘以4
        self.conv = nn.Conv2d(c1, c2, k, s, autopad(k, p, d), groups=g, dilation=d, bias=False)  # 定义卷积层
        self.bn = nn.BatchNorm2d(c2)  # 定义批量归一化层
        self.act = self.default_act if act is True else act if isinstance(act, nn.Module) else nn.Identity()  # 定义激活函数

    def forward(self, x):
        """前向传播函数，对输入进行卷积、批量归一化和激活操作。
        
        参数:
            x (torch.Tensor): 输入张量
        
        返回:
            torch.Tensor: 处理后的张量
        """
        # 将输入张量按通道维度进行切片并拼接，增加通道数
        x = torch.cat([x[..., ::2, ::2], x[..., 1::2, ::2], x[..., ::2, 1::2], x[..., 1::2, 1::2]], 1)
        # 应用卷积、批量归一化和激活函数
        return self.act(self.bn(self.conv(x)))

    def forward_fuse(self, x):
        """前向传播函数（融合版本），对输入进行卷积和激活操作，不包含批量归一化。
        
        参数:
            x (torch.Tensor): 输入张量
        
        返回:
            torch.Tensor: 处理后的张量
        """
        # 将输入张量按通道维度进行切片并拼接，增加通道数
        x = torch.cat([x[..., ::2, ::2], x[..., 1::2, ::2], x[..., ::2, 1::2], x[..., 1::2, 1::2]], 1)
        # 应用卷积和激活函数
        return self.act(self.conv(x))