![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
注意力机制
TJMtaotao
这个作者很懒,什么都没留下…
展开
-
Squeeze-and-Excitation Networks(挤压和激励网络)
Squeeze-and-Excitation Networksie Hu[0000−0002−5150−1003]Li Shen[0000−0002−2283−4976]Samuel Albanie[0000−0001−9736−5134]Gang Sun[0000−0001−6913−6799]Enhua Wu[0000−0002−2174−1428]Abstract 卷积神经网络(CNNs)的核心构造块是卷积算子,它使网络能够通过融合各层局部感受野中的空间和信道信息来构造信息特征。.原创 2020-05-31 19:04:48 · 10002 阅读 · 2 评论 -
深度学习网络结构设计:ASFF- 自适应空间特征融合
ASFF它学习了空间过滤冲突信息以抑制不一致性的方法,从而提高了特征的尺度不变性,并引入了几乎免费的推理开销。详细原理和工程代码可参考另外一篇博文:https://blog.csdn.net/TJMtaotao/article/details/103216377代码如下:import torchimport torch.nn as nnimport torch.nn.funct...原创 2020-02-24 11:18:44 · 11759 阅读 · 1 评论 -
深度学习卷积神经网络重要结构之通道注意力和空间注意力模块
提出CBAM的作者主要对分类网络和目标检测网络进行了实验,证明了CBAM模块确实是有效的。以ResNet为例,论文中提供了改造的示意图,如下图所示:在ResNet中的每个block中添加了CBAM模块,训练数据来自benchmark ImageNet-1K。检测使用的是Faster R-CNN, Backbone选择的ResNet34,ResNet50, W...原创 2020-02-24 00:47:06 · 16950 阅读 · 10 评论