1.CBAM Block网络
核心思想:
注意力的机制,对一个特征矩阵进行重新构造。注意力机制就是采用一种可以学习的方式来对特征重新赋予权重,权重高的特征就是注意力的注意点.包括通道注意力与空间注意力。
网络结构:
通道注意力结构:
空间注意力结构:
2.SE block网络
核心思想:
通过网络根据loss去学习特征权重,使得有效的feature map权重大,无效或效果小的feature map权重小的方式训练模型达到更好的结果。起到了很好的attention效果。
网络结构:
添加SE block:
流程:
先通过全局平均池化获取全局信息,经过两层全连接层学习得到每个通道的权重系数,再经过sigmoid函数得到输出的表示C通道权重矩阵
3.Residual Block网络
网络结构:
4.InvertResidual Block网络
网络结构:
5.GC Block网络
网络结构:
6.NL Block网络
网络结构:
7.ASPP Block网络
网络结构:
8.Inception Block网络
网络结构:
9.Dense Block网络
网络结构:
10.CBHG网络
网络结构:
11.Transformer网络
网络结构: