论文链接:论文
一位大佬的博客:博客
一般深度学习的各种操作都是local的,比如CNN,conv都是局部感受野,但其实全局的信息对于图像的任务更有价值,比如短视频分类任务等等,目前全局信息的使用就是FC,但是这会带来大量的参数。这篇文章提出了一个nonlocal的操作,他把position当成了一个权重,这里的position可以指空间,时间,或者时空关系,计算全局的关联性。eg视频中第一帧的A1区域和第十帧中A3区域有关联性,或者静态图像中,有些区域有关系,如果找到这些关系,就可以更好的分析目标整体的动作。
这个nonlocal可以被封装成一个block,用于任何网络。
贴出它的公式:
它是一个类似attention的机制,根据各像素之间的相关性,对所有像素进行加权。权重越大,说明这个区域越重要。
x i x_{i} xi代表输入图像的各像素点, f f f计算 x i x_{i} xi和所有 x j x_{j} xj之间的相关性。 g g g可以理解为对 x j x_{j} xj的一种增强操作。(注意, x x x为向量。故 f f f的结果为一个数值, g ( x j ) g(x_{j}) g(xj)仍为一个向量, C ( x ) C(x) C(x)是用于归一化的数值。相当于给输入图像每个像素点处的向量 x j x_{j} xj,都乘以 x i x_{i} x
Non-local Neural Networks
最新推荐文章于 2023-01-14 20:12:18 发布