【DEIM 创新改进】TGRS 2026 | 注意力创新改进篇 | 引入PSA金字塔光谱注意力，深度卷积注意力和跨尺度通道融合，助力遥感目标检测、小目标分割任务，有效涨点

一、本文介绍

🔥本文给大家介绍使用 PSA金字塔光谱注意力 改进 DEIM 网络模型，通过多尺度下采样、深度卷积注意力与跨尺度特征融合，同时增强局部细节、目标边界和大范围上下文信息，并对不同通道特征进行自适应筛选，抑制冗余响应与背景噪声。用于改进 DEIM  时，PSA 能缓解单一尺度特征提取造成的感受野不足和语义信息不完整问题，提升模型对小目标、密集目标、低对比度目标、遮挡目标及复杂背景目标的感知能力；其优势在于兼顾高分辨率细节与全局依赖，通过深度卷积和低分辨率注意力分支控制计算开销，并借助上采样、通道拼接及残差融合减少细节丢失，从而提高多尺度特征表达、目标定位精度、类别区分能力和检测鲁棒性。

🔥欢迎订阅我的专栏、带你学习使用最新-最前沿-独家 DEIM 创新改进！🔥

🔥DEIM创新改进目录：全新DEIM有效涨点改进目录 | 包含各种最新顶会顶刊：卷积模块、注意力模块、特征融合模块、有效特征聚合提取模块，上采样模块、下采样模块，二次创新模块、独家创新，特殊场景检测等最全大论文及小论文必备创新改进点

🔥全新DEIM创新改进专栏地址：全网独家DEIM创新改进高效涨点+永久更新中（至少500+创新改进🗡剑指小论文、大论文）+小白也能简单高效跑实验+容易发各种级别小论文

本文目录

一、本文介绍

二、PSA金字塔光谱注意力介绍

2.1 PSA金字塔光谱注意力结构图

2.2 PSA模块的作用：

2.3 PSA模块的原理

1. 构建多尺度金字塔特征

2. 在每个尺度上生成 Q、K、V

3. 多头注意力建模空间关系