《DANet：Dual Attention Network for Scene Segmentation》论文笔记

最新推荐文章于 2023-07-16 20:44:06 发布
最新推荐文章于 2023-07-16 20:44:06 发布
阅读量457 收藏 1
点赞数
分类专栏： 图像&视频分割 文章标签： DANet
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m_buddy/article/details/106737958
版权
本文介绍了DANet，一种利用self-attention机制增强上下文信息的场景分割方法。它结合了空间注意力和通道注意力模块，在单一尺度的特征图上进行优化，然后融合特征，实现分割性能提升。在Cityscape数据集上，DANet取得了81.5%的mIoU。
摘要由CSDN通过智能技术生成

代码地址：DANet/

1. 概述

导读：这篇文章通过self-attention机制去捕获更加丰富的上下文信息，并不同于之前的一些工作是在多个尺度（ASPP，Unet形式的网路等）上去获取上下文信息，这篇文章使用channel-wise和spatial-wise两种方式的attention机制在一个尺度（dilation FCN基础上）的特征图进行特征优化，之后再将这些特征elment-sum相加起来得到最后的融合特征（当然实际的处理并不是这么直接，论文里面的代码在细节上还是做了一些trick），从而构建了一个新的分割算法DANet。这样直观的优化策略带来的实际效果也是很好的，其在Cityscape数据集上达到了81.5%的mIoU。

2. 方法设计

文章提出的核心模块见下图1所示，主要是包含了Spatial-wise和Channel-wise上的Attention模块，之后再将优化后的特征图组合起来，送如最后的分类网络中得到最后的分类结果。
在这里插入图片描述

2.1 Spatial-wise Attention

文章在Spatial上的Attention见下图所示：
在这里插入图片描述
文章对输入的特征图首先使用3个卷积得到3个不同的特征图BCD，之后这些特征图经过矩阵变换与乘机得到对应的特征图S，在用这个特征图S去加权特征图在Spatial上的特征。其中：
s j i = e x p ( B i ⋅ C j ) ∑ i = 1 N ( e x p ( B i ⋅ C j ) ) s_{ji}=\frac{exp(B_i\cdot C_j)}{\sum_{i=1}^N(exp(B_i\cdot C_j))} sji​=

最低0.47元/天 解锁文章
m_buddy
关注
专栏目录
Dual Attention Network for Scene Segmentation
LYKymy的博客
05-08 1088
Abstract 本文通过基于自注意机制的丰富上下文依赖关系的捕获来解决场景分割任务。与以往通过多尺度特征融合捕获上下文的工作不同，我们提出了一种双关注网络（DANET）来自适应地将局部特征与其全局依赖性集成。 我们在扩展的FCN之上附加了两种类型的注意模块，分别对空间维度和通道维度的语义依赖性进行建模。 位置注意模块通过所有位置的特征加权和选择性地聚合每个位置的特征。无论距离如何，相似的特...
DANet：Dual Attention Network for Scene Segmentation 论文翻译（学习）2019-8-30
nawu2018的博客
09-03 1109
目录 1.Introduction 2.Related Work 3.Dual Attention Network 3.1.Overview 3.2.Position Attention Module 3.3.Channel Attention Module 3.4.Attention Module Embedding with Networks...
Dual Attention Network for Scene Segmentation讲解
热门推荐
mieleizhi0522的博客
10-17 2万+
  • paper: https://arxiv.org/abs/1809.02983 • code: https://github.com/junfu1115/DANet                       
组会 ppt DANet：DualAttentionNetworkforSceneSegmentation
07-01
自己写的组会PPT，关于 DANet：DualAttentionNetworkforSceneSegmentation
Dual Attention Network for Scene Segmentation（DANET）
06-29 4367
之前的文章介绍了一下通道注意力、空间注意力、混合域注意力还有自注意力机制。今天介绍一下利用自注意力和混合域注意力相结合进行图片分割的网络-DANET（Dual Attention Network for Scene Segmentation ），这是发表在CVPR2019上的文章。 在这篇paper中，作者通过基于自注意机制捕获丰富的上下文依赖来解决场景分割任务。不同于以往通过多尺度特征融合来获取上下文的方法，作者提出了一种双注意网络(Dual Attention Netw...
语义分割之Dual Attention Network for Scene Segmentation
画心
04-05 2474
Dual Attention Network for Scene Segmentation 文章目录Dual Attention Network for Scene Segmentation相关工作本文工作双注意力网络Position Attention ModuleChannel Attention ModuleAttention Module Embedding with Networks双注...
论文阅读：Dual Attention Network for Scene Segmentation（CVPR2019）
langtaosha1996的博客
12-03 312
论文阅读：Dual Attention Network for Scene Segmentation（CVPR2019） 针对本篇论文的演讲PPT，看完发现我不用在写博客了，这篇已经讲的很清楚了https://blog.csdn.net/mieleizhi0522/article/details/83111183 GitHub代码http://Dual Attention Network for Scene Segmentation论文原文https://arxiv.org/pdf/1809.02983
【语义分割】DANet Dual Attention Network for Scene Segmentation
Forrest97的博客
10-07 1456
A∈RC×H×WA\in \mathbb{R}^{C \times H \times W}A∈RC×H×W {B,C}∈RC×H×W\{\mathbf{B}, \mathbf{C}\} \in \mathbb{R}^{C \times H \times W}{B,C}∈RC×H×W RC×N\mathbb{R}^{C \times N}RC×N sji=exp⁡(Bi⋅Cj)∑i=1Nexp⁡(Bi⋅Cj)s_{j i}=\frac{\exp \left(B_{i} \cdot C_{j}\right)}{
Dual Attention Network for Scene Segmentation文档及源码
09-27
双重注意力网络：中科院自动化所提出新的自然场景图像分割框架（附源码）。本文提出了一个新的自然场景图像分割框架，以往的方法更为灵活、有效，在三个场景分割数据集Cityscapes、PASCAL Context 和 COCO Stuff上...
Dual Attention Network for Scene Segmentation论文阅读笔记
donkey_1993的博客
10-12 1729
Dual Attention Network for Scene Segmentation 2018年已经挂出来，2019年被CVPR接收。 文章下载地址：https://arxiv.org/abs/1809.02983 代码下载地址：https://github.com/junfu1115/ DANet/ 论文创新点： 提出了空间位置注意力机制和通道注意力机制。通...
第十七章：DANet——Dual Attention Network for Scene Segmentation ——双重注意力网络用于场景分割
最新发布
ADICDFHL的博客
07-16 2888
在场景分割中，由于场景中的物体或区域在尺度、光照和视角上具有多样性。由于卷积操作会导致局部感受野，与相同标签的像素对应的特征可能会有一些差异。这些差异引入了类内不一致性，影响了识别准确性。为了解决这个问题，我们通过注意力机制建立特征之间的关联，探索全局上下文信息。我们的方法能够自适应地聚合长距离的上下文信息，从而改善场景分割的特征表示。如图2所示，我们设计了两种类型的注意力模块，以在通过扩张残差网络生成的局部特征上绘制全局上下文，从而获得更好的像素级预测的特征表示。
DANet: Dual Attention Network for Scene Segmentation
xh_hit的博客
03-15 1万+
本文从增强全局的特征融合以及语义特征质之间的相关性为切入点，提出了Position Attetion 和 Channel Attention mechanism（位置注意力机制和通道注意力机制）的方法。 目前基于深度学习的语义分割网络采用multi scale融合或者U-Net的结构去融合低层和高层的语义特征，但是还是没有综合考虑各个位置的联系和相关性。因为CNN使用局部感受野进行特征的提取，这...
Dual attention network for scene segmentation
liguandong
03-17 3099
Dual attention network for scene segmentation 设计巧妙，但是没法解释方法的有效性 dual attention的思路太多了，这篇是应用在场景语义分割上。 是一种channel-wise attention和spital-attention整合结构设计 channel-wise attention(卷积通道注意力): senet，卷积网络每一层有...
[深度学习从入门到女装]Dual Attention Network for Scene Segmentation
炼丹师
04-09 440
论文地址：Dual Attention Network for Scene Segmentation Dual Attention Network for Scene Segmentation 本文是在CVPR2019上一篇进行全景分割的论文 Overview 整个网络的结构图上图所示，backbone为dila FCN，最后两层pool取消改为dila conv，最终得到的feature ma...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值