本文主要是介绍YOLOv8改进 | 注意力篇 | YOLOv8引入LSK注意力机制,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
1. LSK介绍
1.1 摘要: 最近关于遥感目标检测的研究主要集中在改进定向边界框的表示上,但忽略了遥感场景中呈现的独特先验知识。 这种先验知识可能很有用,因为在没有参考足够远距离上下文的情况下,可能会错误地检测微小的遥感物体,并且不同类型物体所需的远距离上下文可能会有所不同。 在本文中,我们考虑到这些先验并提出了大型选择性核网络(LSKNet)。 LSKNet可以动态调整其大的空间感受野,以更好地模拟遥感场景中各种物体的测距上下文。 据我们所知,这是首次在遥感目标检测领域探索大型选择性核机制。 没有花里胡哨的东西,LSKNet 在标准基准上设置了新的最先进的分数,即 HRSC2016 (98.46% mAP)、DOTA-v1.0 (81.85% mAP) 和 FAIR1M-v1.0 (47.87% mAP) 。 基于类似的技术,我们在2022年大湾区国际算法大赛中获得第二名。
官方论文地址:https://arxiv.org/pdf/2303.09030
官方代码地址:https://github.com/zcablii/Large-Selective-Kernel-Network
1.2 简单介绍: LSK注意力机制的核心思想是通过使用大尺度
这篇关于YOLOv8改进 | 注意力篇 | YOLOv8引入LSK注意力机制的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!