CAM设计
CAM的灵感来自人类识别物体的模式。例如，在很高的天空中，人类很难分辨一只鸟，但当把天空作为背景信息时，人类很容易分辨。因此，上下文信息有助于微小目标的检测。CAM应用不同扩张卷积率的扩张卷积来获得不同感受野的上下文信息，并自上而下将其注入FPN，以丰富上下文信息。但是，由于FPN不同级别之间的语义差异，在共享信息时会引入冗余信息和冲突信息。因此，提出了FRM来过滤冲突信息，减少语义差异。通过自适应地融合不同层间的特征，消除层间的冲突信息，防止微小目标特征被淹没在冲突信息中。
同时，针对微小物体产生的正样本数量较少，且对微小物体漏检的贡献有限的问题，提出了一种称为拷贝减少粘贴的数据增强方法。具体来说，复制训练集中较大的目标，缩小它们，然后将它们粘贴回原始imge。粘贴过程中，必须确保粘贴的目标不会与现有目标重叠。
二、CONTEXT AUGMENTATION MODULE
微小目标检测需要上下文信息。建议使用不同扩张卷积速率的扩张卷积来获得不同感受野的上下文信息，以丰富FPN的上下文信息。结构如下所示。下图为CAM的结构：该特征分别以1、3和5的比例通过扩展卷积进行处理。通过融合不同感受野的特征来获取语境信息。通过在C5上以不同的扩张卷积率进行扩张卷积&#x