YOLOv10改进 | 注意力篇 | YOLOv10引入24年最新的上下文锚注意力机制（CAA），并构建C2f_CAA（适用于小目标检测）

1. CAA介绍

1.1  摘要：遥感图像中的目标检测面临着越来越多的挑战，包括目标尺度的变化和背景的多样性。先前的方法试图通过扩大骨干的空间感受野来解决这些挑战，无论是通过大核卷积还是扩张卷积。然而，前者通常会引入相当大的背景噪声，而后者则会产生过于稀疏的特征表示。在本文中，我们引入了多核初始网络（PKINet）来应对上述挑战。PKINet采用无膨胀的多尺度卷积核来提取不同尺度的对象特征并捕获局部上下文。此外，一个上下文锚注意（CAA）模块并行引入捕获远程上下文信息。这两个组件共同工作，以提高PKINet在四个具有挑战性的遥感检测基准上的性能，即DOTA-v1.0，DOTA-v1.5，HRSC 2016和DIOR-R。

官方论文地址：https://arxiv.org/pdf/2403.06258

官方代码地址：