InceptionMamba：一种具有大带卷积和瓶颈Mamba的高效混合网络
计算机视觉与模式识别
2025-07-24 v3
摘要
在卷积神经网络家族中，InceptionNeXt在图像分类和多项下游任务中展现了出色的竞争力。然而，基于并行一维条带卷积构建的它，在捕获不同维度上的空间依赖方面能力有限，且未能充分探索局部邻域中的空间建模。此外，卷积操作的固有局部约束不利于有效的全局上下文建模。为克服这些限制，我们在本研究中提出了一种新的骨干架构InceptionMamba。具体而言，InceptionMamba中传统的一维条带卷积被正交带卷积取代，以实现连贯的空间建模。此外，通过瓶颈Mamba模块可以实现全局上下文建模，促进增强的跨通道信息融合和扩大感受野。在分类和多项下游任务上的广泛评估表明，所提出的InceptionMamba以优越的参数和计算效率达到了最先进的性能。源代码将在 https://github.com/Wake1021/InceptionMamba 公开。
引用
@article{arxiv.2506.08735,
title = {InceptionMamba: An Efficient Hybrid Network with Large Band Convolution and Bottleneck Mamba},
author = {Yuhang Wang and Jun Li and Zhijian Wu and Jifeng Shen and Jianhua Xu and Wankou Yang},
journal= {arXiv preprint arXiv:2506.08735},
year = {2025}
}