小波卷积论文：Wavelet Convolutions for Large Receptive Fields

小波卷积（Wavelet Convolutions）是一种在卷积神经网络（Convolutional Neural Networks, CNNs）中用于增加感受野（Receptive Field）同时避免过度参数化的方法。 WT 是一种时频分析工具，本文采用 Haar WT，它可以在保留一定空间分辨率的情况下对信号进行分解。通过将 WT 与卷积操作相结合，提出了 WTConv 层。 小波卷积首先对输入进行小波变换，将其分解为不同频率的子带，如通过与特定的卷积核进行深度可分离卷积实现一级 Haar WT，得到低频分量和多个高频分量。然后在不同的频率子带上进行小卷积核的卷积操作，这些小卷积核可以在更大的原始输入区域上操作，从而增加感受野。最后通过逆小波变换（IWT）将处理后的频率子带组合起来得到输出。