解耦注意力模块，增益模型精度

作者发现可以将注意力模块分为两项：一个经过白化的成对项解释了两个像素之间的关系，一个一元项代表了每个像素的显著性。我们还观察到，单独训练的两项往往会为不同的视觉线索建模，例如白化的成对项学习区域内的关系，而一元项学习显著边界。然而，这两项在Non-Local块中紧密耦合，这妨碍了每项的学习。基于这些发现，我们提出了解耦的Non-Local块，其中两项解耦以促进所有项的学习。我们证明了分离设计在各种任务上的有效性，例如Cityscapes，ADE20K和PASCAL Context上的语义分割，COCO上的目标检测以及Kinetics上的动作识别。

模型精度增益4.7个点。详情戳here。