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

Octave Convolution 2019 ICCV 自然世界中的图像存在高低频，卷积层的输出特征图以及输入通道，也都存在高、低频分量。 低频分量支撑的是整体轮廓，高频分量则关注细节，显然，低频分量是存在冗余的，在编码过程中可以节省。 高频到高频的卷积核高频到低频的卷积核低频到高频的卷积核低频到低频的卷积核 下图直观地展示了八度卷积的卷积核，可以看出四个部分共同组成了大小为 k*k 的