YOLOv11改进 | 注意力篇 | YOLOv11引入24年Local Importance-based Attention(LIA)注意力机制，并构建C2PSA_LIA

1.LIA介绍

1.1  摘要：降低延迟是近年来超分辨率（SR）研究的一个大趋势。尽管最近的进展利用了各种卷积块、注意模块和主干来释放卷积神经网络（ConvNet）的全部潜力，但实现实时性能仍然是一个挑战。为此，我们提出了PlainUSR，一个新的框架，它结合了三个相关的修改来加速ConvNet以实现高效的SR。对于卷积块，我们通过重新参数化技巧将较轻但较慢的MobileNetv 3块压缩为较重但较快的香草卷积块，以平衡存储器访问和计算。在注意力模块中，通过区域重要性映射和门控来调节输入，引入基于局部重要性的注意，在1阶注意延迟内实现高阶信息交互.对于骨干网，我们提出了一个简单的U-Net，它执行信道区分拆分和级联。在实验阶段，PlainUSR与最先进的面向延迟和面向质量的方法相比，表现出令人印象深刻的低延迟、出色的可扩展性和极具竞争力的性能。特别是，与最近的NGswin相比，PlainUSR-L的速度快16.4倍，性能也很有竞争力。

官方论文地址：