![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
即插即用涨点
weixin_37958272
这个作者很懒,什么都没留下…
展开
-
ULSAM
ULSAM: Ultra-Lightweight Subspace Attention Module for Compact Convolutional Neural Networks 自注意力机制对远距离依赖性的建模能力,使其在视觉模型中的应用得到了提升。与卷积运算符不同的是,自注意力机制提供了infinite感受野,并且能够对全局依赖性进行高效的计算建模。然而,现有的最先进的注意力机制产生了高计算和/或参数开销,因此不适合紧凑型卷积神经网络(CNNs)。在这项工作中,我们提出了一种简单而有效的 “超轻量翻译 2020-09-05 00:29:35 · 2375 阅读 · 1 评论 -
Pyramidal Convolution
Pyramidal Convolution: Rethinking Convolutional Neural Networks for Visual Recognition 本工作介绍了金字塔卷积(PyConv),它能够在多个滤波器尺度上处理输入。PyConv包含了一个金字塔的内核,其中每一级都涉及到不同类型的滤波器,它们的大小和深度各不相同,能够捕捉场景中不同层次的细节。在这些改进的识别能力之上,PyConv也是高效的,与标准卷积相比,通过我们的公式,它不会增加计算成本和参数。此外,它还非常灵活和可扩展,翻译 2020-08-25 01:47:17 · 857 阅读 · 0 评论