为了学习高质量的注意力特征,DAN网络分为三个部分:特征聚类网络(FCN)、多头交叉注意网络(MAN)和注意融合网络(AFN)。
第一部分:特征聚类网络(FCN)
FCN以Resnet为主干网络,同时引入了一个affinity loss。具体地说,在每一个train epoch中,我们都鼓励特征更接近它们所属的类别中心。同时,为了保持良好的可分性,将不同类别的中心分开。affinity loss的公式如下:
其中M代表样本数量,代表Resnet的输出,代表类别,
为了学习高质量的注意力特征,DAN网络分为三个部分:特征聚类网络(FCN)、多头交叉注意网络(MAN)和注意融合网络(AFN)。
第一部分:特征聚类网络(FCN)
FCN以Resnet为主干网络,同时引入了一个affinity loss。具体地说,在每一个train epoch中,我们都鼓励特征更接近它们所属的类别中心。同时,为了保持良好的可分性,将不同类别的中心分开。affinity loss的公式如下:
其中M代表样本数量,代表Resnet的输出,代表类别,