论文地址:https://sci-hub.ru/10.1109/cvpr.2017.476
作者给的代码地址:https://github.com/Jianlong-Fu/Recurrent-Attention-CNN
Pytorch复现的代码:https://github.com/jeong-tae/RACNN-pytorch
好的文章:点击进入
好的文章:点击进入
2017发布在CVPR上。
前言
Look Closer to See Better: Recurrent Attention Convolutional Neural Network for Fine-grained Image Recognition(看得近看得好:用于细粒度图像识别的循环注意卷积神经网络)
本文提出了一种新的递归注意卷积神经网络(RA-CNN),该网络在多尺度上以相互增强的方式递归学习判别区域注意和基于区域的特征表示。每个尺度上的学习由分类子网络和注意建议子网络(APN)组成。APN从完整的图像开始,以之前的预测作为参考,从粗到细迭代地产生区域关注,而更精细的尺度网络以循环的方式从之前的尺度中放大被关注的区域作为输入。
本文提出的RA-CNN通过尺度内分类损失和尺度间排序损失进行优化,以相互学习准确的区域关注和细粒度表示。RA-CNN不需要边界框/部分注释,可以端到