轻量级的 Mixed Local Channel Attention (MLCA)-加强通道信息和空间信息提取能力

最新推荐文章于 2025-01-16 23:30:09 发布

德尔塔大雨淋

最新推荐文章于 2025-01-16 23:30:09 发布

阅读量6.8k

点赞数 11

文章标签：人工智能目标检测

本文链接：https://blog.csdn.net/qq_41823532/article/details/135466636

版权

MLCA

本文章介绍了一种轻量级的 Mixed Local Channel Attention (MLCA) 模块，该模块同时考虑通道信息和空间信息，并结合局部信息和全局信息以提高网络的表达效果。基于该模块，我们提出了 MobileNet-Attention-YOLO(MAY) 算法，用于比较各种注意力模块的性能。在 Pascal VOC 和 SMID 数据集上，MLCA 相对于其他注意力技术更好地平衡了模型表示效果、性能和复杂度。与 PASCAL VOC 数据集上的 Squeeze-and-Excitation(SE) 注意力机制和 SIMD 数据集上的 Coordinate Attention(CA) 方法相比，mAP 分别提高了 1.0% 和 1.5%。

在这里插入图片描述