改进YOLO系列 | YOLOv5/v7 引入选择性注意力 LSK 模块 | 《ICCV 2023 Large Selective Kernel Network》

论文地址：https://arxiv.org/pdf/2303.09030.pdf
代码地址：https://github.com/zcablii/LSKNet

近期遥感目标检测的研究主要集中在改进有向边界框的表示，但忽视了遥感场景中存在的独特先验知识。这种先验知识是有用的，因为在没有足够长程上下文参考的情况下，微小的遥感目标可能被错误地检测出来，并且不同类型的目标所需的长程上下文可能会有所不同。在本文中，我们考虑了这些先验知识，并提出了"大型选择性核网络"（LSKNet）。LSKNet能够动态调整其大的空间感受野，更好地建模遥感场景中各种目标的范围上下文。据我们所知，这是首次在遥感目标检测领域探索大型和选择性核机制。LSKNet在标准基准测试上取得了新的最先进成绩，即HRSC2016（98.46% mAP），DOTA-v1.0（81.85% mAP）和FAIR1M-v1.0（47.87% mAP）。基于类似技术，我们在2022年大湾区国际算法大赛中获得第二名。