- 博客(2)
- 收藏
- 关注
原创 YOLOV8改进:两种添加CBAM注意力机制的方法
将输入的特征图F(H×W×C)分别经过基于width和height的global max pooling(全局最大池化)和global average pooling(全局平均池化),得到两个1×1×C的特征图,接着,再将它们分别送入一个两层的神经网络(MLP),第一层神经元个数为 C/r(r为减少率),激活函数为 Relu,第二层神经元个数为 C,这个两层的神经网络是共享的。最后,将M_c和输入特征图F做element-wise乘法操作,生成Spatial attention模块需要的输入特征。
2024-03-26 10:21:50
1398
原创 YOLOV8改进:LSKA注意力机制改进SPPF模块
与标准的LKA设计相比,所提出的分解使得可以在注意力模块中直接使用具有大卷积核的深度卷积层,无需额外的块。这样,原始特征图中的每个元素都会根据注意力图的值进行加权,突出重要的特征,抑制不重要的特征。总的来说,LSKA注意力机制通过利用大且可分离的卷积核以及空间扩张卷积来捕捉图像的广泛上下文信息,生成注意力图,并通过这个注意力图加权原始特征,以此增强网络对于重要特征的关注度,提高模型的性能。与标准的LKA设计相比,所提出的分解使得可以在注意力模块中直接使用具有大卷积核的深度卷积层,无需额外的块。
2024-03-22 16:31:09
3697
4
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人