本文內(nèi)容：在不同位置添加CAA注意力機(jī)制

目錄

論文簡(jiǎn)介

1.步驟一

2.步驟二

3.步驟三

4.步驟四

論文簡(jiǎn)介

遙感圖像中的目標(biāo)檢測(cè)經(jīng)常面臨一些日益嚴(yán)峻的挑戰(zhàn)，包括目標(biāo)尺度的巨大變化和不同的測(cè)距環(huán)境。先前的方法試圖通過(guò)大核卷積或擴(kuò)展卷積來(lái)擴(kuò)展主干的空間感受野來(lái)解決這些挑戰(zhàn)。然而，前者通常會(huì)引入相當(dāng)大的背景噪聲，而后者可能會(huì)產(chǎn)生過(guò)于稀疏的特征表示。在本文中，我們引入聚核初始網(wǎng)絡(luò)(PKINet)來(lái)解決上述挑戰(zhàn)。PKINet采用無(wú)擴(kuò)展的多尺度卷積核來(lái)提取不同尺度的目標(biāo)特征并捕獲局部上下文。此外，還并行引入了上下文錨定注意(CAA)模塊來(lái)捕獲遠(yuǎn)程上下文信息。這兩個(gè)組件共同工作，以提高PKINet在四個(gè)具有挑戰(zhàn)性的遙感檢測(cè)基準(zhǔn)上的性能，即DOTA-v1.0, DOTA-v1.5, HRSC2016和DIOR-R。

1.步驟一

新建blocks/CAA.py文件，添加如下代碼：

import numpy as np
import torch