YOLO26深度骨干迁移到去雨任务：10个测试集全胜随机初始化
Naive-Explanation940 · reddit · 2026-09-01
作者做了一项可控的迁移学习实验：把 YOLO26 深度估计模型的 CSPDarknet 骨干 + PAN-FPN 颈部权重，复用到完全不同的稠密回归任务——图像去雨（deraining），与同架构随机初始化对比。
架构改动：保留骨干与颈部不变，新写 RGBHead 恢复解码器，复用深度解码器的多尺度融合；增加直达原分辨率的重建尾部、来自 stride-2/4 层的跳连、NAFNet 式残差输出，头部用 LayerNorm（骨干仍用 BatchNorm，保证可从 YOLO26 预训练库加载并利于 TensorRT 导出）。加载深度权重时 468/468 个骨干+颈部张量完全匹配，仅头部随机初始化，构成严格对照。
结果：相同架构与配方、固定 100 epoch，nano 规模下深度初始化平均 PSNR 27.94 / SSIM 0.813，随机初始化 27.45 / 0.807——差距虽小（+0.48 dB），但深度初始化在 10 个测试集上全部获胜，且差距在 20 epoch 即出现、100 epoch 未收敛，排除收敛速度伪影。作者诚实说明这不能确立机制（是深度监督学到的几何结构有用，还是这恰好是个强预训练权重），并放出 nano（5.25M）与 small（12.13M）两个模型及逐数据集数据。
「研究」频道最新
- ECCV 论文 IDeaL：无需真实图像的多教师蒸馏 — RexDouglass · 2026-09-02
- 视觉提示工程提升视频模型推理性能 — _beenkim · 2026-09-02
- 论文探讨：科幻小说如何塑造 AI 政策的未来 — ArtificialOther · 2026-09-02
- 新研究：LLM 或无需语言即可进行潜空间思考 — CatAstro_Piyush · 2026-09-02
- 新指标 Offloading Score 量化用户对 AI 的依赖程度 — Diyi_Yang · 2026-09-02
- 前沿推理模型解迷宫失败率超九成，研究揭示短板 — thebigbigbuddha · 2026-09-02