混合局部通道注意力模块

轻量同时融合空间信息与全局上下文

一个轻量的即插即用注意力模块，同时建模通道与空间以及局部与全局信息，在目标检测网络上以极低开销提升表征。

Dahang, Wan · 卢荣胜 · Siyuan, Shen · Ting, Xu · Xianli, Lang · Zhijie, Ren

Engineering Applications of Artificial Intelligence 2023

参数信息

平均精度提升

1.0 %

平均精度提升

1.5 %

技术优势

同时抓空间与通道

MLCA同时整合通道与空间信息，规避了传统机制只关注通道特征、忽视空间特征带来的表征缺陷。

轻量不拖累检测

模块设计轻量，能够以更低的复杂度获得与复杂空间注意力机制相当的检测收益，适合部署在资源受限的移动端设备。

精度提升看得见

在PASCAL VOC上较SE注意力mAP提升1.0%，在SIMD上较CA注意力提升1.5%，验证了模块在多个数据集上的有效性。

应用场景

• 目标检测：将该注意力模块嵌入检测网络骨干，无需改动整体架构即可提升目标检测精度。
• 轻量化视觉模型：以轻量模块替换复杂空间注意力，在保持精度的同时大幅降低计算开销。
• 移动端视觉：模块计算量小，适合部署在算力受限的移动端设备上运行视觉模型。
• 实时检测：轻量化设计带来低延迟，可集成到YOLO等实时检测器中满足实时性要求。
• 工业检测：为工业质检中的目标检测模型提供即插即用的精度提升，且不增加部署负担。