QQ Group: 428014259
Sina Weibo:小锋子Shawn
Tencent E-mail:403568338@qq.com
http://blog.csdn.net/dgyuanshaofeng/article/details/85156078
作者:Qibin Hou, Peng-Tao Jiang, Yunchao Wei, Ming-Ming Cheng
单位:Colledge of Computer Science Nankai University, UIUC
0 摘要
略
1 介绍
略
2 相关工作
略
3 自擦除网络
3.1 观察
之前的工作,暴露了一个问题:随着训练迭代的增加,对抗擦除策略(adversarial erasing strategy)趋向于挖掘不属于语义物体的更多区域,如图1所示。实际上,也是合理的,因为网络不断学习,以为需要更多context。有一些工作,利用RCNN的分类去消除这一部分多余context,比如最近的可形变卷积网络v2[2]。
![](https://i-blog.csdnimg.cn/blog_migrate/bfdd5aec6aef600c17cf2154a4e4e7f3.png)
3.2 自擦除
SeeNet的overview如图3所示。上面的 S A S_A SA网络输出初始注意力图,作者将它分成三个区域,其一为内部注意力区域,其二为外部背景区域,其三为中间potential区域,如图2©所示。外部背景区域约束注意力网络在非背景区域,避免热图往外传播。那么,外部背景区域怎么通过图像级别的标签获得呢?
背景先验 作者这里的 M A M_A MA也称为初始注意力图,似乎是与上面的 S A S_A