[深度学习从入门到女装]Dual Attention Network for Scene Segmentation

最新推荐文章于 2024-05-15 11:36:09 发布
最新推荐文章于 2024-05-15 11:36:09 发布
阅读量435 收藏
点赞数 1
分类专栏： 深度学习
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/py184473894/article/details/89165872
版权

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

在这里插入图片描述
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 map是input的八分之一大小，随后将这个feature map传入两个平行的attention模块，然后再将这两个attention模块得到的feature map进行融合（conv+element-wise sum）

Position Attention Module

在这里插入图片描述
整个position attention模块如上图所示，就是将feature mapA先使用conv+BN+ReLU得到三个不同的feature map B、C、D（C* H* W），然后将BCD都reshape成C* N（N=H* W），然后对B进行transpose后与C进行矩阵相乘，再把这个结果进行softmax得到S（N* N）,然后将S和D进行矩阵相乘后reshape成（C* H* W）再与A进行element-wise sum得到最终的position feature map E
在这里插入图片描述
在这里插入图片描述

Channel Attention Module

在这里插入图片描述
channel attention模块的过程和position attention模块的过程基本一致，只不过没有将A重新使用conv+BN+ReLU得到新的feature map，是直接使用A进行attention操作

在这里插入图片描述
在这里插入图片描述

炼丹师
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
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 4187
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...
CVPR2024 论文和代码合集(1)
最新发布
m0_61408947的博客
05-15 403
Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！
Dual Attention Network for Scene Segmentation
breeze_blows的博客
06-19 637
论文链接：https://arxiv.org/pdf/1809.02983.pdfCVPR2019的一篇文章 代码链接：https://github.com/junfu1115/DANet/ 主要思想：按照文中的说法就是we append two types of attention modules on top of dilated FCN, which model the semantic interdependencies in spatial and channel dimensions re.
第十七章：DANet——Dual Attention Network for Scene Segmentation ——双重注意力网络用于场景分割
ADICDFHL的博客
07-16 2707
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。
conv+bn+relu组合详解代码示例
weixin_41917928的博客
06-15 4237
卷积神经网络（Convolutional Neural Network，CNN）是深度学习中最常用的一种网络模型，常常用于图像和视频分类任务。在CNN中，卷积层(convolutional layer)是最重要的一个模块，而在卷积层的基础上，通常还会加入批量归一化层(batch normalization layer)和激活层(activation layer)。这三层组合在一起，可以有效地提高模型的性能和训练速度。
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...
论文笔记：Learning Deconvolution Network for Semantic Segmentation
01-06
文章目录1 摘要2 亮点2.1 解码器结构2.1.1 反池化层2.1.2 反卷积层2.1.3 反池化和反卷积结合2.2 网络整体结构3 部分效果3.1 FCN和DeconvNet的对比3.2 各个网络效果对比4 结论5 参考文献 1 摘要 ...
Structure Correcting Adversarial Network for Organ Segmentation in Chest X-ray
07-17
深度学习论文：https://arxiv.org/abs/1703.08770
Dual Path Attention Net for Remote Sensing Semantic Image Segmentation.pdf
06-15
深度学习、遥感影像、语义分割相关论文
【机器学习】详解 Normalization
闻韶
10-03 3064
【机器学习】详解 Normalization
DANet：Dual Attention Network for Scene Segmentation论文解读和源代码详解
热门推荐
我的博客有点东西
05-19 1万+
今天为大家带来一篇CVPR2019的语义分割的一篇文章，我认为也是非常新颖的了。其中的对偶结构生成的attention map我认为很容易嵌入到其他网络中完成其他任务。 论文地址：here 官方源码：(基于pytorch)[https://github.com/junfu1115/DANet] 提出背景 当前的主流的语义分割网络应该就是空洞卷积和解码器这两个元素的组合。但这两个组件都是利用局部特征...
Dual Attention Network for Scene Segmentation(论文翻译)
MJ17709005513的博客
03-27 4559
paper：https://arxiv.org/abs/1809.02983 code：https://github.com/junfu1115/DANet 摘要 在本文中，我们通过基于自注意力机制捕获丰富的上下文依赖关系来解决场景分割任务。与以前通过多尺度特征融合捕获上下文的工作不同，我们提出了一个双注意力网络 (DANet) 来自适应地将局部特征与其全局依赖关系集成。具体来说，我们在扩张的 FCN 之上附加了两种类型的注意力模块，它们分别对空间和通道维度的语义相互依赖关系进行建模。...
Dual attention network for scene segmentation
liguandong
03-17 3084
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...
Dual Attention Network for Scene Segmentation--2019.Jun Fu
xu.hyj
10-11 584
DANet注意力的思想就是让每个通道（或像素）与所有其他通道（像素）都建立关系，实际上和Transformer很相似。Transformer也是将一个词使用三个矩阵分解为Q、K、V，由QK产生的权重乘以V，你会发现Position attention module也是通过三个卷积产生B、C、D，BC产生权重乘以D。 总之按实验来看想过不错，不知道在分类等任务上怎么样。但是明显计算量等会大于ECA或SENet等注意力。
【语义分割】DANet Dual Attention Network for Scene Segmentation
Forrest97的博客
10-07 1415
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)}{
context prior for scene segmentation
03-16
场景分割的上下文先验 上下文先验是指在场景分割中，利用周围环境信息来提高分割的准确性和效率。通过对场景中物体的形状、颜色、纹理等特征进行...上下文先验可以通过深度学习等技术来实现，是场景分割中重要的一环。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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