当前位置:   article > 正文

Poly Kernel Inception Network for Remote Sensing Detection_pkinet

pkinet

Poly Kernel Inception Network for Remote Sensing Detection


在这里插入图片描述
文章地址: https://arxiv.org/pdf/2403.06258.pdf

code地址:GitHub - NUST-Machine-Intelligence-Laboratory/PKINet

1、要干什么及解决什么问题

遥感图像中的目标检测经常面临一些日益严峻的挑战,包括目标尺度的巨大变化和不同的测距环境
任意方向和大量尺度变化的目标

2、怎么解决的

以前的方法:通过扩大主干的空间接受野来解决这些挑战,要么通过大核卷积,要么通过扩张卷积。然而,前者通常会引入相当大的背景噪声,而后者则有可能产生过于稀疏的特征表示。

引入多核初始网络(PKINet)来处理上述挑战。PKINet采用不扩展的多尺度卷积核提取不同尺度的目标特征,并捕获局部上下文。此外,并行引入了上下文锚定注意(Context AnchorAttention, CAA)模块,用于捕获远程上下文信息。
在这里插入图片描述
PKI模块:
在这里插入图片描述

PKI模块是一个初始化风格的模块,它包括一个小核卷积来获取本地信息,然后是一组并行深度卷积来捕获跨多个尺度的上下文信息。

PKI块中的初始式PKI模块侧重于提取多尺度本地上下文信息。

像SPP感觉可以改成SPPF

CAA模块:
在这里插入图片描述

我们基于两个主要考虑因素选择深度明智的条形卷积。首先,条形卷积是轻量级的。与传统的kb× b二维深度卷积相比,我们可以用几个一维深度卷积核实现类似的效果,参数约简为kb/2。其次,条形卷积可以方便地识别和提取细长形状物体的特征,比如桥梁。为了增加CAA模块在其所属的PKI块越深时的接受域,我们设置kb=11+2×l,即我们计算内核大小kb作为PKI块深度n的函数。这样的设计增强了PKINet建立远程像素之间关系的能力。并且由于条带深度方向的设计,不会显著增加计算成本。

在这里插入图片描述

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/weixin_40725706/article/detail/746786
推荐阅读
相关标签
  

闽ICP备14008679号