YOLOv11改进 | 注意力篇 | YOLOv11引入24年HCF-Net模型提出的并行分块注意力机制PPA

1. PPA介绍

1.1  摘要：红外小目标检测是一项重要的计算机视觉任务，涉及到对红外图像中微小目标的识别和定位，而红外图像通常只包含几个像素。然而，由于红外图像中目标的尺寸小，背景复杂等原因，使得红外图像处理技术遇到了困难。本文提出了一种深度学习方法HCF-Net，通过多个实际模块的应用，显著提高了红外小目标检测的性能。具体地说，它包括并行化的补丁感知注意（PPA）模块、维度感知选择性集成（DASI）模块和多扩张信道细化器（MDCR）模块。PPA模块采用多分支特征提取策略，在不同尺度和层次上获取特征信息。DASI模块支持自适应通道选择和融合。MDCR模块通过多个深度可分离的卷积层捕获不同感受野范围的空间特征。在SIRST红外单帧图像数据集上的大量实验结果表明，HCF-Net的性能优于其他传统模型和深度学习模型。

官方论文地址：https://arxiv.org/pdf/2403.10778

<