YOLOv10模型改进-卷积层改进-第11篇：YOLOv10改进策略【卷积层】| CVPR2025 GBConv轻量门控瓶颈卷积

一、本文介绍

本文记录的是利用GBC门控瓶颈卷积模块改进YOLOv10的特征提取部分。GBC通过低秩瓶颈卷积轻量化、双分支门控加权与残差特征保留结合，在极低计算开销下实现裂缝形态特征的精准提取与背景干扰抑制。

二、GBC模块介绍

2.1 设计出发点

裂缝形态不规则、纹理纤细，传统卷积参数大、计算冗余，且无法动态聚焦裂缝形态；背景噪声强易干扰特征提取，需要轻量且能自适应聚焦裂缝形态的卷积单元。

2.2 模块结构

GBC（Gated Bottleneck Convolution）：

1. 瓶颈卷积降参：用低秩瓶颈卷积（BottConv）替代普通卷积，大幅降低计算量
2. 双分支门控机制：主分支提取裂缝形态，门控分支学习空间权重，通过哈达玛积动态加权
3. 组归一化+残差连接：稳定分布、保留原始细节，强化裂缝关键特征

2.3 模块优势

• 极轻量高效：参数与FLOPs远低于普通卷积，适合边缘部署
• 形态感知强：门控动态聚焦裂缝纹理与轮廓，抑制背景杂波
• 细粒度增强：残差连接保留原始细节，强化裂缝关键特征