💡💡💡Эта статья относится к эксклюзивному усовершенствованию оригинала: Многомерный. модуль совместного внимания MCA,Насильственный подъем,Эффект мгновенного убийстваECA、SRM、CBAMполный инноваций, может быть непосредственно использован в качестве точки инноваций。

Многомерный модуль совместного внимания MCA | Персональный тест для достижения резкого увеличения нескольких наборов данных, настоятельно рекомендуется, эксклюзивный первый выпуск;

1.Введение в МКА

​

бумага：https://www.sciencedirect.com/science/article/abs/pii/S0952197623012630

Рисунок 1: Схематическое сравнение предлагаемого многомерного модуля совместного внимания (d) с модулем ECA (a), SRM (b) и CBAM (c).

Рисунок 2: Общая архитектура предлагаемого модуля MCA с тремя ветвями.

Верхняя ветвь используется для фиксации взаимодействий между объектами в пространственном измерении W. Аналогичным образом, средняя ветвь используется для фиксации взаимодействий между объектами в пространственном измерении H. Нижняя ветвь отвечает за захват взаимодействия между каналами. В первых двух ветвях мы используем операции перестановки для выявления долгосрочных зависимостей между измерением канала и любым пространственным измерением. Наконец, результаты всех трех ветвей агрегируются путем простого усреднения на этапе интегрирования.

Рисунок 3: Архитектура исходного остаточного блока (слева), MCA, интегрированного в базовый остаточный блок (в центре), и MCA, интегрированного в остаточный блок с узким местом (справа).

2.MCA добавлен в yolov8

2.1 Добавьте ultralytics/nn/attention/MCA.py

Основной код:

class MCALayer(nn.Module):
    def __init__(self, inp, no_spatial=True):
        """Constructs a MCA module.
        Args:
            inp: Number of channels of the input feature maps
            no_spatial: whether to build channel dimension interactions
        """
        super(MCALayer, self).__init__()

        lambd = 1.5
        gamma = 1
        temp = round(abs((math.log2(inp) - gamma) / lambd))
        kernel = temp if temp % 2 else temp - 1

        self.h_cw = MCAGate(3)
        self.w_hc = MCAGate(3)
        self.no_spatial = no_spatial
        if not no_spatial:
            self.c_hw = MCAGate(kernel)

    def forward(self, x):
        x_h = x.permute(0, 2, 1, 3).contiguous()
        x_h = self.h_cw(x_h)
        x_h = x_h.permute(0, 2, 1, 3).contiguous()

        x_w = x.permute(0, 3, 2, 1).contiguous()
        x_w = self.w_hc(x_w)
        x_w = x_w.permute(0, 3, 2, 1).contiguous()

        if not self.no_spatial:
            x_c = self.c_hw(x)
            x_out = 1 / 3 * (x_c + x_h + x_w)
        else:
            x_out = 1 / 2 * (x_h + x_w)

        return x_out

Подробности см.:

https://cv2023.blog.csdn.net/article/details/131959116

я участвуюиНа третьем этапе специального тренировочного лагеря Tencent Technology Creation 2023 года будет проводиться конкурс сочинений. Соберите команду, чтобы выиграть приз!