摘要

理论介绍

MANet 的目标是通过多种卷积操作的协同作用，提高特征提取能力，并加强梯度流动，从而提升模型在不同层次的特征表示和语义深度。MANet 结合了三种卷积变体，通过混合使用它们来提高视觉特征的多样性和信息流动性。
HyperC2Net 的主要目标是通过超图结构对多层次特征进行高阶信息融合，突破传统网络结构的限制，进行跨层次（跨深度）和跨位置的信息传播，通过超图卷积捕捉语义空间中潜在的高阶关系，提高了特征表示的细致度和准确性。超图卷积是 HyperC2Net 的关键步骤，通过超图结构对特征进行卷积操作，以实现高阶信息的传递。通过超图卷积，特征不仅在同一层次内部传递信息，还能跨层次（跨深度）和跨位置进行高阶信息的传播，从而在更广泛的语义空间内进行特征融合。
下图摘自论文：

理论详解可以参考链接：论文地址
代码可在这个链接找到：代码地址

下文都是手把手教程，跟着操作即可添加成功