1. DSAttention介绍

DSAttention注意力机制在图像特征提取中具有以下优点：

          (1). 全局信息捕捉能力：DSAttention机制通过使用软注意力机制（Softmax Attention）来计算特征图的全局相关性。这种方式能够更好地捕捉图像中的全局信息，有助于增强对复杂场景或大尺度物体的识别能力。

           (2). 多尺度信息融合：该机制引入了多尺度卷积操作，包括不同大小的卷积核（如5x5、1x7、7x1、1x11、11x1、1x21、21x1）来提取不同尺度的特征。这些多尺度特征融合能够更全面地捕捉图像中不同尺寸的目标物体，提升特征的表达能力。

           (3). 方向信息捕捉：通过采用非对称卷积核（如1x7、7x1、1x11、11x1），该机制可以有效捕捉图像中的方向性信息。这种方向性信息对于检测和识别具有特定方向的物体非常重要，如道路标志等。

           (4). 通道注意力增强：DSAttention在进行多尺度卷积之前，利用池化操作结合1x1卷积进行通道注意力的计算，通过Adaptive Pooling层提取通道间的全局信息，并通过Sigmoid激活函数强化重要的特征通道，从而提升特征选择的精度。

           (5). 最终特征融合：该机制在多尺度卷积和注意力模块之后，使用1