YOLOv5改进最新ICCV2023顶会LSKNet:大选择性卷积核的领域首次探索,助力小目标检测

YOLOv5改进最新ICCV2023顶会LSKNet:大选择性卷积核的领域首次探索,助力小目标检测

  • 一、论文总结
    • 特征融合策略(即空间选择机制)
  • 二、代码部分,将LSKNet结构加入到YOLOv5中。

论文:https://arxiv.org/pdf/2303.09030.pdf
代码https://github.com/zcablii/LSKNet/blob/main/mmrotate/models/backbones/lsknet.py#L224

一、论文总结

YOLOv5改进最新ICCV2023顶会LSKNet:大选择性卷积核的领域首次探索,助力小目标检测_第1张图片

这篇论文提出了一种名为大型选择性核网络(Large Selective Kernel Network,简称LSKNet)的新方法,用于遥感对象检测。该方法动态调整特征提取骨干的感受野,以有效处理遥感场景中对象的广泛上下文。该模型使用空间选择机制对大型深度核处理的特征进行加权和空间合并。核的权重是根据输入动态确定的

你可能感兴趣的:(YOLOv8,YOLO5系列改进专栏,YOLO,目标检测,人工智能)