本文内容：在不同位置添加CAA注意力机制
目录
论文简介
1.步骤一
2.步骤二
3.步骤三
4.步骤四
论文简介
遥感图像中的目标检测经常面临一些日益严峻的挑战，包括目标尺度的巨大变化和不同的测距环境。先前的方法试图通过大核卷积或扩展卷积来扩展主干的空间感受野来解决这些挑战。然而，前者通常会引入相当大的背景噪声，而后者可能会产生过于稀疏的特征表示。在本文中，我们引入聚核初始网络(PKINet)来解决上述挑战。PKINet采用无扩展的多尺度卷积核来提取不同尺度的目标特征并捕获局部上下文。此外，还并行引入了上下文锚定注意(CAA)模块来捕获远程上下文信息。这两个组件共同工作，以提高PKINet在四个具有挑战性的遥感检测基准上的性能，即DOTA-v1.0, DOTA-v1.5, HRSC2016和DIOR-R。
1.步骤一
新建blocks/CAA.py文件，添加如下代码：
import numpy as np
import torch
