【Block总结】PKI 模块，无膨胀多尺度卷积，增强特征提取的能力|即插即用

于 2025-01-30 21:41:08 发布
阅读量1.3k 收藏 9
点赞数 16
分类专栏： Block总结 文章标签： 人工智能 计算机视觉 目标检测
本文为博主原创文章，未经博主允许不得转载。
本文链接：https://blog.youkuaiyun.com/hhhhhhhhhhwwwwwwwwww/article/details/145400975
版权

论文信息

标题: Poly Kernel Inception Network for Remote Sensing Detection

作者: Xinhao Cai, Qiuxia Lai, Yuwei Wang, Wenguan Wang, Zeren Sun, Yazhou Yao

论文链接：https://arxiv.org/pdf/2403.06258

代码链接：https://github.com/NUST-Machine-Intelligence-Laboratory/PKINet
在这里插入图片描述

创新点

Poly Kernel Inception Network (PKINet) 的主要创新在于其设计的卷积结构，旨在解决遥感图像目标检测中的几个关键挑战：

  • 多尺度特征提取: PKINet采用无膨胀的多尺度卷积核，能够有效提取不同尺度的目标特征，避免了传统大核卷积带来的背景噪声问题。

  • 上下文锚定注意力机制

了解本专栏 订阅专栏 解锁全文
YOLOv8独家改进: block优化 | PKIBlock多尺度卷积核，优势无需膨胀，即插即用小目标涨点 | CVPR2024 PKINet 遥感图像目标检测
03-21 2866
PKIBlock多尺度卷积核，优势无需膨胀，即插即用小目标涨点
YOLOv5独家改进: block优化 | PKIBlock多尺度卷积核，优势无需膨胀，即插即用小目标涨点 | CVPR2024 PKINet 遥感图像目标检测
03-21 814
PKIBlock多尺度卷积核，优势无需膨胀，即插即用小目标涨点
YOLOv7独家改进: block优化 | PKIBlock多尺度卷积核，优势无需膨胀，即插即用小目标涨点 | CVPR2024 PKINet 遥感图像目标检测
03-21 565
PKIBlock多尺度卷积核，优势无需膨胀，即插即用小目标涨点
YOLOv10涨点改进：如何魔改注意力进行二次创新，高效替换PSA | NEU-DET为案列进行展开
05-28 6162
在NEU-DET案列进行可行性验证，1）mAP50从0.683提升至0.698；2）mAP50从0.683提升至0.695;
YOLOv8独家改进：block优化 | PKIBlock多尺度卷积核，助力小目标涨点 | CVPR2024 PKINet 遥感图像目标检测
会AI的学姐
03-27 924
PKINet利用不同大小的多个深度卷积核，优势：无需膨胀即可提取不同感受野中的多尺度纹理特征，改进思路来自CVPR2024PKINet，2024年前沿最新改进
YOLOv10涨点改进：block优化 | PKIBlock多尺度卷积核，优势无需膨胀，即插即用小目标涨点 | CVPR2024 PKINet 遥感图像目标检测
06-11 571
block优化 | PKIBlock多尺度卷积核，优势无需膨胀，即插即用小目标涨点 | CVPR2024 PKINet 遥感图像目标检测
YOLO11改进：block优化 | PKIBlock多尺度卷积核，助力小目标涨点 | CVPR2024 PKINet 遥感图像目标检测
会AI的学姐
01-08 588
PKINet利用不同大小的多个深度卷积核，优势：无需膨胀即可提取不同感受野中的多尺度纹理特征，改进思路来自CVPR2024PKINet，2024年前沿最新改进
YoloV8改进策略：Block改进|2024年，遥感图像最新主干PKINet（独家改进，全网首发）
m0_47867638的博客
03-21 2703
遥感图像（RSI）中的目标检测近年来引起了广泛关注[11, 56, 64]。这项任务致力于在RSI中识别特定目标的存在，并随后确定它们的类别和精确位置。与通常产生水平边界框的通用目标检测不同，遥感目标检测旨在生成与目标方向准确对齐的边界框。因此，先前的许多努力都致力于开发各种有向边界框（OBB）检测器[10, 20, 31, 65, 67, 71]，并改进OBB的角度预测精度[68,70,72-74]。然而，在改善用于目标检测的特征提取方面，RSI的独特特性仍相对缺乏深入研究。
PKI及Blockchain-Base PKI概述
成长的足迹
03-09 1597
PKI, Public Key Infrastructure PKI包含一组策略、若干角色和一系列验证的过程，用以对数字证书进行创建、管理、分发、使用、存储和注销，同时管理公钥加密。 PKI的目标是为网络活动提供电子信息的安全传输。 证书，即数字证书，是一个特定的公钥与某一个特定的实体的映射关系声明。 在密码学中，PKI负责将公钥和标识实体之间的绑定，这是通过RA的实体注册和CA的证书签发
Poly Kernel Inception Network在遥感检测中的应用
m0_47867638的博客
03-18 6519
摘要 https://export.arxiv.org/pdf/2403.06258 遥感图像（RSI）中的目标检测经常面临一些日益严重的挑战，包括目标尺度的巨大变化和多样的上下文环境。先前的方法试图通过扩大骨干网络的空间感受野来解决这些挑战，要么通过大核卷积，要么通过空洞卷积。然而，前者通常会引入大量的背景噪声，而后者则可能生成过于稀疏的特征表示。在本文中，我们引入了Poly Kernel Inception Network（PKINet）来处理上述挑战。PKINet采用无空洞的多尺度卷积核来提取不同尺度
RT-DETR融合CVPR[2024]无膨胀多尺度卷积PKI模块及相关改进思路
深度学习炼丹师，偶尔分享炼丹技术!
11-13 906
论文速览：遥感影像 （RSI） 中的对象检测通常面临一些日益增长的挑战，包括对象比例的巨大变化和不同的环境。以前的方法试图通过大核卷积或扩张卷积来扩大主干的空间感受野来应对这些挑战。但是，前者通常会引入相当大的背景噪声，而后者则可能会生成过于稀疏的特征表示。在本文中，我们介绍了 Poly Kernel Inception Network （PKINet） 来处理上述挑战。PKINet 采用无膨胀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。
Poly Kernel Inception Network for Remote Sensing Detection
qq_54372122的博客
04-01 2731
与传统的kb× b二维深度卷积相比，我们可以用几个一维深度卷积核实现类似的效果，参数约简为kb/2。其次，条形卷积可以方便地识别和提取细长形状物体的特征，比如桥梁。为了增加CAA模块在其所属的PKI块越深时的接受域，我们设置kb=11+2×l，即我们计算内核大小kb作为PKI块深度n的函数。以前的方法：通过扩大主干的空间接受野来解决这些挑战，要么通过大核卷积，要么通过扩张卷积。PKI模块是一个初始化风格的模块，它包括一个小核卷积来获取本地信息，然后是一组并行深度卷积来捕获跨多个尺度的上下文信息。
YOLOv11改进策略【卷积层】| CVPR-2024 PKI Module 获取多尺度纹理特征，适应尺度变化大的目标
Limiiiing的博客
10-15 1403
PKI Module是。
初学者必读的PKI介绍：服务于现代安全网络
weixin_43263566的博客
11-10 3155
PKI了解
YOLO即插即用---PKIBlock
llz19670的博客
11-02 1035
通过 PKINet 提取的特征可以更好地反映目标的尺度、形状、纹理和上下文信息，从而提高目标检测算法的性能。PKINet 提取的特征可以帮助检测头更好地理解目标的特征，从而提高目标检测算法的精度和鲁棒性。: 使用不同尺寸 (3x3, 5x5, 7x7, 9x9, 11x11) 的深度可分离卷积提取不同感受野的上下文特征，捕捉目标周围的环境信息。: 使用 sigmoid 函数生成注意力权重，并根据注意力权重增强 PKI 模块的输出特征，突出目标区域的特征，抑制背景区域的特征。
YOLOv8模型改进 第三讲 添加多核感知网络PKINet
qq_64693987的博客
10-04 3136
遥感图像（RSIs）中的目标检测面临着一系列日益严峻的挑战，主要包括目标尺度的显著变化和背景的多样性。以往的方法通常通过增大骨干网络的空间感受野来应对这些问题，具体方法包括使用大卷积核或膨胀卷积。然而，使用大卷积核时，通常会引入大量的背景噪声，而膨胀卷积则可能导致特征表示过于稀疏。为了解决这些问题，本文提出了一种多核感知网络（PKINet）。PKINet，并有效捕捉局部背景信息。同时，文中并行引入了，以捕捉长距离的上下文信息。
YOLO11改进：小目标涨点系列篇 | 多头检测器，提升小目标检测能力
会AI的学姐
10-23 787
YOLO11有3个检测头，能够多尺度对目标进行检测，但对微小目标检测可能存在检测能力不佳的现象，因此添加一个微小物体的检测头，能够大量涨点，map提升明显；
YOLOv8-Seg改进：block优化 | PKIBlock多尺度卷积核，助力小目标涨点 | CVPR2024 PKINet 遥感图像目标检测
会AI的学姐
03-27 885
PKINet利用不同大小的多个深度卷积核，优势：无需膨胀即可提取不同感受野中的多尺度纹理特征，改进思路来自CVPR2024PKINet，2024年前沿最新改进
PKI体系快速介绍
测试开发的成长点滴
07-19 3320
首先，PKI（PublicKeyInfrastructure）是一个体系。公钥基础设施是一个包括硬件、软件、人员、策略和规程的集合，用来实现基于公钥密码体制的密钥和证书的产生、管理、存储、分发和撤销等功能。PKI体系是计算机软硬件、权威机构及应用系统的结合。它为实施电子商务、电子政务、办公自动化等提供了基本的安全服务，从而使那些彼此不认识或距离很远的用户能通过信任链安全地交流。—百度百科说白了，PKI还是提供了彼此身份确认的服务，确保通信的安全。...
c2f-pki模块结构图
最新发布
04-19
### 关于 C2f-PKI 模块的结构图 C2f-PKI 模块是一种基于 PKI（Public Key Infrastructure，公钥基础设施）设计的架构组件，通常用于增强神经网络中的特征提取能力。它结合了多尺度卷积和上下文感知机制来应对复杂的视觉任务[^1]。 #### C2f-PKI 模块的核心功能 C2f-PKI 模块的主要目标是在保持计算效率的同时提升模型对不同尺度对象的检测精度。其核心特性包括： - **多尺度特征融合**：通过引入跨层连接，使得低级特征与高级语义信息得以有效结合。 - **动态权重调整**：利用注意力机制自适应地分配不同通道的重要性，从而优化特征表示质量。 - **轻量化设计**：相较于传统的大规模模块，C2f-PKI 更加注重参数量控制，适合嵌入到资源受限环境中运行的模型中。 以下是 C2f-PKI 的典型结构描述： #### 结构图概述 虽然具体的可视化图形未被直接提供，但可以依据已知的功能分解绘制逻辑框图如下所示： ```plaintext Input Feature Map -----> Convolution Layer (Multi-Scale) ------> Attention Mechanism -------> Output Feature Map | | v v Channel-wise Fusion Spatial-wise Modulation ``` 此流程展示了如何从输入特征映射逐步经过多尺度卷积处理、信道间融合以及空间调制最终生成输出特征映射的过程[^3]。 对于 IT 架构下的 PKI 证书体系部分，则更多关注的是安全通信领域内的应用实例。例如，在 Linux 平台上构建私有的 CA 中心并通过命令行工具管理 X.509 数字证书生命周期等方面的工作[^2]。 ### Python 实现片段示意 下面给出一段伪代码形式展示如何定义这样一个模块并集成进 YOLOv8 当中: ```python class C2f_PKIModule(nn.Module): def __init__(self, ch_in, ch_out, kernel_size=3, stride=1, padding=None, groups=1, act=True): super().__init__() self.conv1 = nn.Conv2d(ch_in, ch_out//2, kernel_size=(kernel_size // 2)+1, stride=stride, padding=padding or kernel_size//4, groups=groups, bias=False) self.bn1 = nn.BatchNorm2d(ch_out//2) self.act1 = Mish() if act else nn.Identity() self.pki_block = PKIBlock(ch_out) def forward(self, x): y = self.act1(self.bn1(self.conv1(x))) z = self.pki_block(y) return torch.cat([z,y], dim=1) ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI浩

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值