CoordConv通过使用额外的坐标通道让卷积访问自己的输入坐标，允许网络根据任务需要学习平移不变性或平移依赖性。对比卷积，CoordConv具有更好的泛化性、更少的参数和更快的速度。文中提供了初步证据，证明将卷积转换为CoordConv可以在各种任务上改进模型，包括GAN中的模式崩溃减少，MNIST检测的IOU提高以及强化学习领域的智能体受益。

论文链接：https://arxiv.org/pdf/1807.03247.pdf GitHub：https://github.com/uber-research/CoordConv

CoordConv的构造如下图所示：

本文将CoordConv加入到YoloV8中，我们一起看看效果如何？