卷积核OUT了！异质空间注意力DSA：自适应生成卷积核的PyTorch代码全解析！| 即插即用模块与论文写作【V1代码讲解174】
异质空间注意力（Dynamic Spatial Attention，DSA）：
实际意义：①异质特征建模能力不足：不同场景背景具有显著空间异质性，而传统方法（如卷积核、空间注意力），无法适配不同区域的背景特征差异。
②低对比度小目标定位精度不足：无法聚焦于低对比度目标区域，导致目标被背景淹没。
③融合后特征缺乏 “场景针对性”：无法根据目标大小、位置动态调整特征权重。
实现方式：①先对输入特征图做全局平均池化，然后生成每个样本专属的动态卷积核。
②将特征图按通道求平均得到空间描述符，用动态卷积核对其卷积。
③再经Sigmoid得到自适应空间注意力图，与原输入特征图做元素级乘法，实现目标区域特征强化、背景干扰抑制。
立即观看
0