C2PSA 模块详解

### C2PSA模块详细介绍 #### 模块概述 C2PSA（Channel and Position Spatial Attention）是一种用于提升遥感图像目标检测性能的注意力机制。该模块通过结合局部和全局上下文信息来增强模型的表现力，特别是在处理复杂背景下的小目标检测时效果显著[^1]。 #### 结构设计 C2PSA模块主要由两个子部分组成：通道注意机制（Channel Attention Mechanism, CAM）和位置空间注意机制（Positional Spatial Attention Mechanism, PSAM）。这两个组件共同作用于输入特征图，从而实现更精细的感受野控制和更强的目标区分能力。 ##### 通道注意机制 (CAM) CAM旨在捕获不同通道之间的依赖关系。具体来说，对于给定的一组特征映射 \( F \)，首先计算其平均池化结果 \( M_c(F) \) 和最大池化结果 \( L_c(F) \)[^3]: ```python import torch.nn.functional as F def channel_attention(feature_map): avg_pool = F.avg_pool2d(feature_map, feature_map.size()[2:]) max_pool = F.max_pool2d(feature_map, feature_map.size()[2:]) # Concatenate along the channel dimension concat = torch.cat((avg_pool, max_pool), dim=1) return concat ``` 接着，将上述两种统计量送入一个多层感知器（MLP），并通过激活函数得到最终的权重向量 \( W_{cam} \): ```python class ChannelAttention(nn.Module): def __init__(self, in_channels, ratio=8): super(ChannelAttention, self).__init__() hidden_size = int(in_channels / ratio) self.fc = nn.Sequential( nn.Linear(2 * in_channels, hidden_size), nn.ReLU(), nn.Linear(hidden_size, in_channels), nn.Sigmoid() ) def forward(self, x): b, c, _, _ = x.size() y = channel_attention(x).view(b, -1) w_cam = self.fc(y).view(b, c, 1, 1) return w_cam * x ``` ##### 位置空间注意机制 (PSAM) PSAM负责建模像素级的空间关联性。为了达到这一目的，通常采用卷积操作提取多尺度感受野内的响应，并利用自适应加权策略融合这些信息: ```python class SpatialAttention(nn.Module): def __init__(self, kernel_size=7): super(SpatialAttention, self).__init__() padding = kernel_size // 2 self.conv = nn.Conv2d(2, 1, kernel_size, stride=1, padding=padding) def forward(self, x): avg_out = torch.mean(x, dim=1, keepdim=True) max_out, _ = torch.max(x, dim=1, keepdim=True) out = torch.cat([avg_out, max_out], dim=1) spatial_weight = self.conv(out) return spatial_weight.sigmoid() * x ``` 最后，将经过CAM和PSAM处理后的特征图相乘并叠加到原始输入上作为输出。 #### 使用方法 要在现有的神经网络架构中集成C2PSA模块，只需按照如下方式修改相应层次： 1. 将`nn.Conv2d()`替换为带有C2PSA功能的新类实例； 2. 在前向传播过程中调用此新定义的方法； 例如，在YOLOv11中应用C2PSA可以这样写： ```python from models.backbone import Darknet53 from models.neck.c2psa import C2PSANeck backbone = Darknet53(pretrained=True) neck = C2PSANeck(backbone.out_channels[-3:], ratios=[8, 4, 2]) detector_head = YOLOHead(num_classes=num_classes) model = nn.Sequential(OrderedDict([ ('backbone', backbone), ('c2psa_neck', neck), ('head', detector_head) ])) ```