一、本文介绍
本文记录的是基于FCAttention模块的YOLOv10目标检测改进方法研究。FCAttention是图像去雾领域新提出的模块能够有效整合全局和局部信息、合理分配权重的通道注意力机制,使得网络能够更准确地强调有用特征,抑制不太有用的特征,在目标检测领域中同样有效。
专栏目录:YOLOv10改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进
文章目录
二、FCA原理
用于图像去雾的无监督双向对比重建和自适应细粒度通道注意网络
FCA(Adaptive Fine - Grained Channel Attention)模块设计的原理及优势如下:
2.1 原理
- 特征图处理:首先,对包含全局空间信息的特征图F进行全局平均池化,将其转换为通道描述符U,用于获取通道信息。具体公式为: U n = G A P ( F n ) = 1 H × W ∑ i = 1 H ∑ j = 1 W F n ( i , j ) U_{n}=GAP(F_{n})=\frac{1}{H×W}\sum_{i=1}^{H}\sum_{j=1}^{W}F_{n}(i, j) U
订阅专栏 解锁全文
2115



被折叠的 条评论
为什么被折叠?



