2025年1月21日 · 为了解决上述问题，作者提出了一种新的遥感影像目标识别方法，即Large Selective Kernel Network (LSKNet)。 该方法通过在特征提取模块动态调整 感受野，更有效地处理了不同目标所需的背景信息差异。 其中，动态感受野由一个空间选择机制实现，该机制对一大串Depth-wise 卷积核所处理的特征进行有效加权和空间融合。 这些卷积核的权重根据输入动态确定，同时允许模型针对空间上的不同目标自适应地选择不同大小的核并调整感受野。 经验 …

2024年11月29日 · LSKAttention是一种基于大核卷积的注意力机制，通过引入不同尺寸的卷积核来捕获图像中的多尺度特征信息。 多尺度信息捕捉：通过 大 核 卷积的感受野，能够有效捕捉目标物体的多尺度特征信息。

2024年1月30日 · 近期，南开大学在计算机视觉领域提出了一种名为 LSKNet 的新型遥感旋转目标检测方法，该方法引入了 Yolov 引入ICCV，并通过LSKblockAttention技术实现了对小目标的有效检测。LSKNet的出现为遥感图像目标检测领域带来了新的技术突破。

在本文中，我们将这些先验因素考虑在内，并提出了Large Selective Kernel Network（LSKNet）。 LSKNet可以动态地调整其大空间感受野，以更好地建模遥感场景中各种物体的测距的场景。 据我们所知，这是首次在遥感物体检测领域探索大选择性卷积核机制的工作。 在没有任何附加条件的情况下，我们LSKNet比主流检测器轻量的多，而且在多个数据集上刷新了SOTA！ HRSC2016 （98.46% mAP）、 DOTA-v1.0 （81.64% mAP）和 FAIR1M-v1.0 （47.87% mAP）。 近期很 …

2024年10月7日 · LSKAttention可以是一种即插即用的注意力机制，其可以添加的位置有很多，添加的位置不同效果也不同，所以我下面推荐几个添加的位，置大家可以进行参考，当然不一定要按照我推荐的地方添加。 一、本文介绍 在这篇文章中，我们将讲解如何将LSKAttention大核注意力机制应用于YOLOv8，以实现显著的性能提升。 首先，我们介绍LSKAttention机制的基本原理，它主要通过将深度卷积层的2D卷积核分解为水平和垂直1D卷积核，减少了计算复杂性和内存占用 …

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.

我们的广泛实验结果表明,在Van中提出的LSKA模块提供了随着卷积核大小的增加而显著减少计算复杂性和内存 footprints,同时优于ViTs、CNN实例和与Van中的LKA模块在对象识别、对象检测、语义分割和鲁棒测试中的表现相似。 不同大核分解方法和核大小下的速度与精度权衡。 不同的标记代表不同的内核大小，我们的比较中使用了 VAN-Tiny。 我们首先讨论如何通过使用一维卷积核来设计 LSKA 模块来重构 LKA 模块（使用和不使用扩张的深度卷积）。 然后我们总结了 …

图片 型号 订货编码 报价; ls76k-wt: 210-035-861 ls76k-be: 210-035-862 ls76k-lbr

2023年10月26日 · LSKNet在多个数据集上刷新了 SOTA，HRSC2016（98.46% mAP）、DOTA-v1.0（81.64% mAP）和FAIR1M-v1.0（47.87% mAP）。 想在自己的遥感数据集上试试效果。 情况说明：博主是在服务器上训练的，因此在环境的安装上会比代码给出的简单安装流程稍微困难一点，论文和代码链接： Paper. 代码基于MMrotate实现，因此熟悉MMrotate的相关使用方法训练会进行的更顺利一点。 MMRotate依赖于 PyTorch， MMCV 和 MMDetection。 以下是安装的快 …

本发明解决上述问题的技术方案是：一种电铁统一电能质量控制器的牵引网谐波谐振自动抑制方法，主要针对电气化铁路用背靠背单相潮流控制器设计；该方法包括：低次谐波电压检测及导纳生成模块、高次谐波电压检测及导纳生成模块、导纳匹配自调整模块，变流器电流控制模块。 各模块的特征如下： 1)低次谐波电压检测及导纳生成模块检测牵引网k相馈线电压vfk，通过分别在3、5、7、9次谐振频率下调谐的带通滤波器. 2)高次谐波电压检测及导纳生成模块检测牵引网k相馈线 …