- 博客(2)
- 收藏
- 关注
RSS订阅原创 CBAM: Convolutional Block Attention Module论文阅读笔记
两个注意力模块（通道和空间）计算互补注意力，分别关注“是什么”和“在哪里”。考虑到这一点，可以以并行或顺序的方式放置两个模块。我们发现，顺序排列比并行排列给出更好的结果。对于顺序过程的安排，我们的实验结果表明，通道（注意力模块）在前比空间（注意力模块）在前略好。
2022-12-27 23:04:07
538
2
原创 Squeeze-and-Excitation Networks（SE-Net）论文阅读笔记
To mitigate the problem【特征图上每个单元不能利用对应感受野外的上下文区域信息】，提出“挤压和激励”——SE块，显式地建模信道之间地相互依赖性。接受嵌入作为输入，并且产生每个通道调制权重的集合。目的是：利用挤压操作聚集的信息，捕获通道相关性。使得来自网络全局感受野的信息被它的每一层使用，（也可选更复杂聚合技术）生成通道统计信息。映射输入到特征图中，比如：卷积操作。来构造信息特征【多通道卷积】，前面针对。操作通过在每一层的局部感受野内融合。产生了聚集空间维度上特征图的描述符。
2022-12-27 02:42:40
119
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人