💡💡💡本专栏所有程序均经过测试,可成功执行💡💡💡
现有的基于CNN的SISR方法主要关注更宽或更深的架构设计,忽视了探索中间层的特征相关性,因此阻碍了CNN的表达能力。为了解决这一问题,研究人员提出了一个二阶注意力网络(SAN),用于更强大的特征表达和特征相关性学习。具体来说,就是开发了一个新颖的可训练的二阶通道注意力(SOCA)模块,通过使用二阶特征统计自适应地重新缩放逐通道特征,以获得更具辨识力的表征。在本文中,给大家带来的教程是在原来的主干网络添加SOCA模块。文章在介绍主要的原理后,将手把手教学如何进行模块的代码添加和修改,并将修改后的完整代码放在文章的最后,方便大家一键运行,小白也可轻松上手实践。以帮助您更好地学习深度学习目标检测YOLO系列的挑战。
目录