2025年1月21日 · LSKNet 是主干网络中的一个可重复堆叠的块（Block），每个LSK Block包括两个残差子块，即大核选择子块（Large Kernel Selection，LK Selection）和前馈网络子块（Feed-forward Network ，FFN），如图8。

2023年7月17日 · 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）。 近期很少有工作考虑到 遥感图像 中存在的强大的先验知识。 航空图像通常是以高分辨率的鸟 …

2024年12月27日 · LSKBlock通过不同大小的卷积核提取多尺度特征，捕捉局部细节和全局上下文信息。 模块 包含一个特征选择机制，能够根据任务需求动态选择重要特征，抑制不重要的特征。

采用在ImageNet上预训练了100个epoch的LSKNet-T主干 提出的LSK模块的空间选择中，对最大池和平均池的有效性进行消融研究 当大卷积核被分解为两个深度内核的序列时，LSKNet的关键设计组件的有效性消融实验。

LSKNet（Large Selective Kernel Network） 是一种专为遥感目标检测设计的网络架构，其 核心优势在于能够动态调整其大的空间感受野，以更好地捕捉遥感场景中不同对象的范围上下文。 这是第一次在遥感目标检测领域探索大型和选择性核机制。 LSKNet（大型选择性核网络）的 基本原理 包括以下关键组成部分： 1. 大型核选择 （LK Selection）子块： 这个子块能够动态地调整网络的感受野，以便根据需要捕获不同尺度的上下文信息。 这使得网络能够根据遥感图像中对象的不 …

2024年10月7日 · 《Large Separable Kernel Attention》 这篇论文提出的 的机制原理是针对传统大核注意力（Large Kernel Attention，LKA）模块在视觉注意网络（Visual Attention Networks，VAN）中的应用问题进行的改进。 LKA模块在处理大尺寸卷积核时面临着高计算和内存需求的挑战。 LSKAttention通过以下几个关键步骤和原理来解决这些问题： 核分解：LSKAttention的核心创新是将传统的2D卷积核分解为两个1D卷积核。 首先，它将一个大 …

Without bells and whistles, our lightweight LSKNet sets new state-of-the-art scores on standard remote sensing classification, object detection and semantic segmentation benchmarks. Based on a similar technique, we rank 2nd place in 2022 the …

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）。 近期很少有工作考虑到遥感图像中存在的强大的先验知识。 航空图像通常是以高分辨率的鸟瞰视角拍 …

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 …