Expectation-Maximization Attention Networks for Semantic Segmentation(EMANet ICCV2019语义分割)

自注意力机制对每个位置的加权和来计算某个位置的表现。但是其参数量太大,计算资源要求较高。

1、简介

提出了EMA模块,该方法可以大大的减少计算量。而且该模块是轻量化的,可以很方便的嵌入到现有的网络中。

自注意力机制中一个点的上下文信息是通过来计算其他点与其的加权和来进行的。

nonlocal第一次将自注意力机制引入到计算机视觉任务中。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

芝麻开花666

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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