改进YOLOv5/YOLOv7 | 加入---上下文信息CAM模块，微小目标涨点明显

CAM设计

CAM的灵感来自人类识别物体的模式。例如，在很高的天空中，人类很难分辨一只鸟，但当把天空作为背景信息时，人类很容易分辨。因此，上下文信息有助于微小目标的检测。CAM应用不同扩张卷积率的扩张卷积来获得不同感受野的上下文信息，并自上而下将其注入FPN，以丰富上下文信息。但是，由于FPN不同级别之间的语义差异，在共享信息时会引入冗余信息和冲突信息。因此，提出了FRM来过滤冲突信息，减少语义差异。通过自适应地融合不同层间的特征，消除层间的冲突信息，防止微小目标特征被淹没在冲突信息中。
同时，针对微小物体产生的正样本数量较少，且对微小物体漏检的贡献有限的问题，提出了一种称为拷贝减少粘贴的数据增强方法。具体来说，复制训练集中较大的目标，缩小它们，然后将它们粘贴回原始imge。粘贴过程中，必须确保粘贴的目标不会与现有目标重叠。