论文阅读——Large Selective Kernel Network for Remote Sensing Object Detection

目录

基本信息

期刊 CVPR
年份 2023
论文地址 https://arxiv.org/pdf/2303.09030.pdf
代码地址 https://github.com/zcablii/LSKNet

标题

遥感目标检测的大选择核网络

目前存在的问题

相对较少的工作考虑到强大的先验知识存在于遥感图像。航空图像通常是用高分辨率的鸟瞰图拍摄的。特别是,航拍图像中的大多数物体可能体积较小,仅从它们的外观很难识别。相反,这些物体的成功识别往往依赖于它们的上下文,因为周围的环境可以提供关于它们的形状、方向和其他特征的有价值的线索。

  1. 遥感图像中目标的精确检测往往需要广泛的上下文信息。
  2. 不同对象类型所需的上下文信息的范围是非常不同的。

改进

大核卷积

卷积核大小和膨大率的增加保证了感受野的快速扩展。我们设置了膨胀率的上界,以保证膨胀卷积不会在特征图之间引入间隙。例如,我们可以将一个大的内核分解为2或3个深度卷积,如表2所示,它们的理论感受野分别为23和29。

优点:

  1. 它显式地生成多个具有各种大型接受域的特性,这使得以后的内核选择更加容易。
  2. 顺序分解比简单地应用单个更大的内核更有效。我们的分解比标准的大卷积核大大减少了参数的数量

空间核选择

在不同尺度上从大卷积核中空间选择特征映射

首先,我们将不同感受野范围的不同核的特征进行串联,然后采用基于通道的平均和最大池化方法有效地提取空间关系,将空间融合的特征进行串联,并使用卷积层将融合的特征(2通道)转换为N个空间注意图,对于每个空间注意图̂SAi,使用一个sigmoid激活函数,对分解后的每个大核分别获得单个空间选择掩码,将分解后的大核序列中的特征按其对应的空间选择掩模加权,再经卷积层融合得到注意特征S

网络结构


另一个写的好的参考

网址

相关推荐
AKAMAI8 分钟前
Sport Network 凭借 Akamai 实现卓越成就
人工智能·云原生·云计算
周末程序猿35 分钟前
机器学习|大模型为什么会出现"幻觉"?
人工智能
JoannaJuanCV1 小时前
大语言模型基石:Transformer
人工智能·语言模型·transformer
飞哥数智坊1 小时前
Qoder vs CodeBuddy,刚起步就收费,值吗?
人工智能·ai编程
强盛小灵通专卖员1 小时前
闪电科创,深度学习辅导
人工智能·sci·小论文·大论文·延毕
通街市密人有1 小时前
IDF: Iterative Dynamic Filtering Networks for Generalizable Image Denoising
人工智能·深度学习·计算机视觉
大千AI助手1 小时前
TruthfulQA:衡量语言模型真实性的基准
人工智能·语言模型·自然语言处理·llm·模型评估·truthfulqa·事实性基准
蚂蚁RichLab前端团队1 小时前
🚀🚀🚀 RichLab - 花呗前端团队招贤纳士 - 【转岗/内推/社招】
前端·javascript·人工智能
智数研析社1 小时前
9120 部 TMDb 高分电影数据集 | 7 列全维度指标 (评分 / 热度 / 剧情)+API 权威源 | 电影趋势分析 / 推荐系统 / NLP 建模用
大数据·人工智能·python·深度学习·数据分析·数据集·数据清洗
救救孩子把1 小时前
2-机器学习与大模型开发数学教程-第0章 预备知识-0-2 数列与级数(收敛性、幂级数)
人工智能·数学·机器学习