arXiv 2025 | 轻量级分组注意力模块：遥感视觉任务中的多尺度特征融合利器

1. 遥感视觉任务的挑战与轻量级分组注意力的诞生

遥感图像处理一直是个让人头疼的领域。想象一下，你站在高楼俯瞰整个城市，既要看清远处的高楼大厦，又要辨认近处的行人车辆，这种多尺度目标识别问题在遥感图像中更加突出。卫星拍摄的一张图像里，可能同时存在几平方公里的建筑群和只有几米宽的车辆目标，这种巨大的尺度差异让传统卷积神经网络束手无策。

我曾在某次遥感目标检测项目中深有体会。当时使用常规的ResNet作为骨干网络，小目标检测效果惨不忍睹，而增大模型复杂度又导致推理速度直线下降。正是在这种两难处境下，轻量级分组注意力（LWGA）模块应运而生。它像是一个精明的指挥官，能够同时指挥四支特种部队——GPA小队负责微观侦查，RLA小队专注局部布控，SMA小队把控中程视野，SGA小队统揽全局战局。

这种分组并行处理的思路灵感来源于人脑的注意力机制。当我们观察复杂场景时，视觉皮层会自动将注意力分配到不同尺度的区域。LWGA模块通过特征分组和多分支协同的设计，在计算资源有限的情况下，实现了类似人类视觉系统的多尺度感知能力。

2. LWGA模块的四大核心组件解析

2.1 门控点注意力（GPA）：微观世界的放大镜

GPA模块就像给网络装上了显微镜，专门捕捉那些容易被忽略的微小目标。它的核心是一个精巧的通道变换机制：先通过1×1卷积将通道数扩大四倍，经过激活函数后再压缩回原始维度。这个过程会产生一个注意力图，用Sigmoid函数归一化后与原始特征相乘。

python复制class GPA(nn.Module):
    def __init__(self, dim):
        super().__init__()
        self.p_conv = nn.Sequential(
            nn.Conv2d(dim, dim*4, 1),  # 通道扩张
            nn.BatchNorm2d(dim*4),
            nn.GELU(),
            nn.Conv2d(dim*4, dim, 1)   # 通道压缩
        )
        self.gate = nn.Sigmoid()
    
    def forward(self, x):