YOLO11改进-模块-引入多尺度小波池化变压器MWPT 通过结合小波变换、多尺度池化以及门控机制等技术解决多尺度、小目标、边缘模糊等问题

        手势识别在人机交互等领域应用广泛，但面临手部姿态多变、环境因素干扰等挑战。深度学习发展促使基于注意力的模型兴起，Transformer 在自然语言处理和计算机视觉诸多任务表现出色，也被用于手势识别。不过，传统 Transformer 处理视觉数据时，存在计算复杂度高（二次注意力机制计算复杂度达O(n2) ）、空间复杂度高以及特征图维度处理不够灵活等问题。在这样的研究背景下，为了实现高效准确的动态手势识别，本文提出了一种全新的 Multiscale Wavelet Pooling Transformer（MWPT）模型，并将其应用于 GestFormer 架构中。该模型旨在克服传统 Transformer 的缺陷，通过引入多尺度小波池化注意力机制和门控网络，在减少计算成本的同时，提升模型对动态手势的识别性能，为手势识别领域的发展提供新的思路和方法。

上面是原模型，下面是改进模型

 改进后的模型

1. 多尺度小波池化变压器MWPT介绍 

       MWPT 模型的理论基础融合了 PoolFormer 的高效令牌混合机制、小波变换的特性、多尺度池化策略以及门控网络原理。它以 PoolFormer 为核心，用基于池化的令牌混合替代传统 Transformer 中计算复杂的注意力机制，降低模型复杂度。同时，引入多尺度小波池化注意力（MWPA）机制，借助小波变换将输入特征分解为不同频率的子带，获取多尺度信息，再经多尺度池化聚合这些信息，增强模型对不同尺度特征的捕捉能力。此外，门控深度可分离前馈网络（GDFN）通过门控机制和深度可分离卷积，对特征进行筛选和变换，使模型能够聚焦于关键信息，有效提升动态手势识别的性能

 

从提供的图片来看，MWPT模块主要包含以下几个部分：

         多尺度小波池化注意力（MWPA）：MWPA 是 MWPT 中的关键创新组件。它先对输入特征进行小波变换，将输入特征 F 分解为 4 个子空间，即近似分量（LL）和水平（LH）、垂直（HL）、对角（HH）三个方向的细节分量。这些系数是小波变换后分解出的正弦波的幅度。之后，利用深度可分离卷积对这些系数分别进行增强处理，以突出重要特征。为了有效提取多尺度信息，MWPA 采用多尺度池化（MSP）机制。具体来说，使用 3 种不同大小的滤波器（3×3、5×5、7×7）对经过小波系数处理（WCP）块的输出特征进行池化操作。这 3 个不同尺度的池化层能够捕捉到不同大小和分辨率的特征信息，例如，较小的 3×3 滤波器可以关注到局部的细节特征，而较大的 7×7 滤波器则更擅长捕捉整体的结构特征。最后，将这 3 个池化层的输出进行平均，得到一个综合了多尺度信息的增强特征，作为 MWPA 块的最终输出。

         门控深度可分离前馈网络（GDFN）：GDFN 主要用于对 MWPA 输出的特征进行进一步变换和筛选，以控制信息的流动。它基于前馈网络（FFN）进行了两项重要改进，即引入门控机制和深度可分离卷积。在结构上，GDFN 通过深度可分离卷积对输入特征进行线性变换，同时对两个并行的特征进行元素相乘操作，其中一个特征经过 GELU 激活函数处理。其计算公式为P′=Wp0​Gating(P)+P 、Gating(P)=ϕ(Wd1​Wp1​(P))⊙Wd2​Wp2​(P)。这种设计使得 GDFN 能够有选择地将重要特征和精细信息传递到 Transformer 块的后续阶段，让模型能够更加专注于图像中关键的细节信息，从而提升整体性能。

2. YOLOv11与MWPT的结合          

 本文使用MWPT模块替换C3K2模块中的普通卷积，在复杂场景目标检测中，二者分别提取动态变化与空间位置等特征，融合后提升检测精度，还能强化对不同尺度手势的感知，提高检测稳定性

3. MWPT代码部分

YOLOv8_improve/YOLOv11.md at master · tgf123/YOLOv8_improve · GitHub

视频讲解：YOLOv11模型改进讲解，教您如何修改YOLOv11_哔哩哔哩_bilibili

YOLOv11全部代码,现有几十种改进机制。

 4. 将MWPT引入到YOLOv11中

第一: 将下面的核心代码复制到D:\model\yolov11\ultralytics\change_model路径下，如下图所示。

     ​​​​​​​      

第二：在task.py中导入包

 ​​​     ​​​​​​​   

第三：在task.py中的模型配置部分下面代码

 ​​​​​​​ ​​​​​​​ ​​​​​​​​​​​​​​   

第四：将模型配置文件复制到YOLOV11.YAMY文件中

     ​​​​​​​ ​​​​​​​​​​​​​​      

     第五：运行成功

from sympy import false

from ultralytics.models import NAS, RTDETR, SAM, YOLO, FastSAM, YOLOWorld

if __name__=="__main__":

    # 使用自己的YOLOv8.yamy文件搭建模型并加载预训练权重训练模型
    model = YOLO(r"E:\Part_time_job_orders\YOLO\YOLOv11\ultralytics\cfg\models\11\yolo11_PHA.yamy")\
        .load(r'E:\Part_time_job_orders\YOLO\YOLOv11\yolo11n.pt')  # build from YAML and transfer weights

    results = model.train(data=r'E:\Part_time_job_orders\YOLO\YOLOv11\ultralytics\cfg\datasets\VOC_my.yaml',
                          epochs=300,
                          imgsz=640,
                          batch=64,
                          # cache = False,
                          # single_cls = False,  # 是否是单类别检测
                          # workers = 0,
                          # resume=r'D:/model/yolov8/runs/detect/train/weights/last.pt',
                          amp = True
                          )