【YOLOv8改进 - 注意力机制】 CAA： 上下文锚点注意力模块，处理尺度变化大或长形目标

YOLOv8目标检测创新改进与实战案例专栏

专栏目录： YOLOv8有效改进系列及项目实战目录 包含卷积，主干 注意力，检测头等创新机制 以及 各种目标检测分割项目实战案例

专栏链接: YOLOv8基础解析+创新改进+实战案例

介绍

摘要

遥感图像（RSI）中的目标检测经常面临一些日益增加的挑战，包括目标尺度的大幅变化和上下文的多样性。以往的方法尝试通过扩展主干网络的空间感受野来应对这些挑战，通常采用大核卷积或膨胀卷积。然而，前者通常会引入大量的背景噪声，而后者则有可能生成过于稀疏的特征表示。在本文中，我们引入了多核嵌入网络（PKINet）来处理上述挑战。PKINet 采用了多尺度卷积核（不含膨胀）来提取不同尺度的目标特征并捕捉局部上下文信息。此外，还并行引入了上下文锚点注意力（CAA）模块，以捕捉长距离的上下文信息。这两个组件共同作用，提升了PKINet在四个具有挑战性的遥感检测基准（即DOTA-v1.0、DOTA-v1.5、HRSC2016和DIOR-R）上的性能。

文章链接

论文地址：论文地址

代码地址：代码地址

基本原理

上下文锚点注意力模块（Context Anchor Attention, CAA） 是PKINet中一个关键的模块，设计用于捕捉远程上下文信息，并在特征提取过程中增强中心特征的表达能力。CAA模块的引入旨在解决遥感图像中目标检测时，远程上下文信息不足的问题，特别是在处理尺度变化大或长形目标时表现突出。

1. 模块结构与操作

• 局部特征提取：首先，CAA模块通过全局平均池化操作获取局部区域特征。接下来，这些特征通过一个1×1的卷积层，以减少维度和计算量。
• 条带卷积：为了有效捕捉远程上下文信息，CAA模块采用了两个深度可分离条带卷积（strip convolutions），分别在水平方向和垂直方向上进行。这种设计被用来模拟一个大核卷积的效果，能够在保持轻量化的同时，显著扩大感受野。