注意力(Attention)机制概述

注意力(Attention)机制概述

1 前言

​ 在视觉方面，注意力机制的核心思想是突出对象的某些重要特征。【从关注全部到关注重点】

​ 注意力机制的目的可以认为是在深度神经网络的结构设计中，对某些权重添加注意力。可以理解为再增加一层权重，重要的部分这个权重设的大一点，不重要的部分设的小一点。【参数少+速度快+效果好】

​ 视觉注意力分为几种，核心思想是基于原有的数据找到其之间的关联性，然后突出其某些重要特征，有通道注意力，像素注意力，多阶注意力等，也有把NLP中的自注意力引入。

2 常见注意力机制的基本结构

2.1 transformer

​ 自注意力(self-attention，又称内部注意力)，目的是计算序列的表达形式，与单个序列的不同位置相关的注意力机制，因为解码器的位置不变性，以及在DETR中，每个像素关注数值信息和位置信息。

​ Self-Attention是Transformer最核心的内容，可以理解位将队列和一组值与输入对应，即形成querry，key，value向output的映射，output可以看作是value的加权求和，加权值则是由Self-Attention来得出的。

​ 所有编码器（encoder）结构相同，但没有共享参数。

​ 解码器（decoder）结构由多个相同的堆叠组成。

2.2 soft-attention

​ 属于[0,1]间的连续分布问题，更加关注区域或通道。

​ 对所有key求权重概率，每个key都有一个对应的权重，是一种全局的计算方式（也可以叫Global Attention）。这种方式比较理性，参考了所有key的内容，再进行加权。但计算量较大。

​ 属于确定性注意力，学习完成后可以通过网络生成，且是可微的。可以通过神经网络计算出梯度，可以通过前向传播和后向反馈来学习，得到注意力的权重。

​ 与hard-attention区别：“hard-attention model” 选择固定数量的输入部分，而 “soft-attention model” 选择动态数量的输入部分，并将它们加权组合以生成输出。【6】hard-attention直接精准定位到某个key，其余key就都不管了，相当于这个key的概率是1，其余key的概率全部是0。因此这种对齐方式要求很高，要求一步到位，如果没有正确对齐，会带来很大的影响。另一方面，因为不可导，一般需要用强化学习的方法进行训练。（或者使用gumbel softmax之类的）

2.2.1 空间域注意力（spatial transformer network）

​ 将原始图片中的空间信息变换到另一个空间中并保留了关键信息。训练出的spatial transformer能够找出图片信息中需要被关注的区域，同时这个transformer又能够具有旋转、缩放变换的功能，这样图片局部的重要信息能够通过变换被框提取出来。

2.2.2 通道注意力（Channel Attention，CA）

​ 典型代表是SENet。卷积网络的每一层都有好多卷积核，每个卷积核对应一个特征通道。相对于spatial transformer attention机制，Channel Attention在于分配各个卷积通道之间的资源，分配粒度上比spatial transformer大了一个级别。

2.2.3 混合域模型

​ （1）Residual Attention Network for image classification（CVPR 2017 Open Access Repository

​ （2）Dual Attention Network for Scene Segmentation（CVPR 2019 Open Access Repository）

2.2.4 non-local：

​ 指的就是感受野可以很大，而不是一个局部领域。

​ 全连接是non-local的，且是global的。但是全连接带来了大量的参数，给优化带来困难。

2.2.5 位置注意力（position-wise attention）

​ 在上面的DANet中，attention map计算的是所有像素与所有像素之间的相似性，空间复杂度为(HxW)x(HxW)。而position-wise attention采用了criss-cross思想，只计算每个像素与其同行同列即十字上的像素的相似性，通过进行循环(两次相同操作)，间接计算到每个像素与每个像素的相似性，将空间复杂度降为(HxW)x(H+W-1)。【二阶注意力，能够从所有像素中获取全图像的上下文信息，以生成具有密集且丰富的上下文信息的新特征图。】

3 注意力机制的实现过程

3.1 结构层次

结构方面根据是否划分层次关系，分为单层attention，多层attention和多头attention：

1）单层Attention，这是比较普遍的做法，用一个query对一段原文进行一次attention。

2）多层Attention，一般用于文本具有层次关系的模型，假设我们把一个document划分成多个句子，在第一层，我们分别对每个句子使用attention计算出一个句向量（也就是单层attention）；在第二层，我们对所有句向量再做attention计算出一个文档向量（也是一个单层attention），最后再用这个文档向量去做任务。

3）多头Attention，这是Attention is All You Need中提到的multi-head attention，用到了多个query对一段原文进行了多次attention，每个query都关注到原文的不同部分，相当于重复做多次单层attention：head(i)=Attention(q(i),K,V)，最后再把泽泻单层Attention的结果拼起来。

3.2 模型方面

从模型上看，Attention一般用在CNN和LSTM上，也可以直接进行纯Attention计算。

yolov5+Attention【ref:[9],[10]】

3.2.1 SE

​ 添加示例：

（1）在yolov5/models文件夹下新建yolov5s_SE.yaml

（2）将SE注意力代码添加到commom.py中

（3）将类名SE加到yolov5/models/yolo.py

（4）修改yolov5s_SE.yaml，将SE注意力加到我们需要加的位置

（5）修改train.py中的相关参数开始训练

3.2.2 CBAM

3.2.3 ECA

3.2.4 CA

3.3 其它

在做attention的时候，需要计算query和某个key的分数（相似度），常用方法有：

1）点乘

2）矩阵相乘

3）cos

4）串联将q和k拼接起来

4 常见问题：

4.1 为什么有时候添加了注意力机制精度反而下降？

​ 大部分注意力模块是有参数的，添加注意力模块会导致模型的复杂度增加。(1)如果添加attention前模型处于欠拟合状态，那么增加参数是有利于模型学习的，性能会提高。(2)如果添加attention前模型处于过拟合状态，那么增加参数可能加剧过拟合问题，性能可能保持不变或者下降。

4.2

ref:

[1] https://zhuanlan.zhihu.com/p/146130215

[2] http://papers.nips.cc/paper/7181-attention-is-all-you-need

[3] https://zhuanlan.zhihu.com/p/48508221

[4] https://github.com/huggingface/transformers

[5] https://blog.csdn.net/xys430381_1/article/details/89323444

[6] https://www.jianshu.com/p/1a78bd494c4a

[7] https://mp.weixin.qq.com/s?__biz=MzI5MDUyMDIxNA

[8] https://www.zhihu.com/question/478301531/answer/2280232845

[9] https://zhuanlan.zhihu.com/p/543231209

[10] https://blog.csdn.net/weixin_50008473/article/details/124590939