本文探讨了在深度学习特别是目标检测中，注意力模块的重要性和应用。作者介绍了空间域、通道域和混合域的注意力机制，引用了Spatial Transformer Networks作为空间域注意力的例子，并解释了其工作原理。此外，还提到了注意力机制在不同尺度和维度上的应用，包括空间、通道和时间域。文章最后提及使用tikz绘制深度学习网络图。
注意力模块：
物体间或者物体内一些区域的关联性是有助于目标检测任务的，但是之前没人有实际的证明如何使用这种关联性是一定可行的，本文作者就尝试在检测网络中添加注意力模块。《Relation Networks for Object Detection》
转载自博客：
添加链接描述
计算机视觉（computer vision）中的注意力机制（attention）的基本思想就是想让系统学会注意力——能够忽略无关信息而关注重点信息
主要是三种注意力域，1空间域(spatial domain)，2通道域(channel domain)，3混合域(mixed domain)。–时间域(time domain)
1Spatial Transformer Networksÿ
最低0.47元/天 解锁文章
扫一扫
1617
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
