问题:最有判别力的特征 由于遮挡或者视角变化 造成缺失的时候
- 就是最有用的缺失一部分
解决:多层次信息相互关联,相互加强
首先,利用低秩双线性池对跨层特征的相关映射进行建模。
然后,在相关图的基础上,利用双向特征感知(BFP)模块丰富高级特征的注意区域,学习低级特征中的抽象和具体信息
然后,我们提出了一种新的端到端层次网络,该网络集成了多级增强的特征,并将增强的中低层特征输入到后续的层中,以重新训练一个新的强大的网络。
此外,提出了一种新的可训练的广义pooling,它可以动态地选择feature map中所有位置的任意值来激活。
in this paper, we propose a novel Hierarchical Bi-directional Feature Perception Network (HBFP-Net), which exploits the relationship of multi-level feature maps via low-rank bilinear pooling and then Bi-directional Feature Perception(BFP) module is employed to correlate multi-level information.
探索关系并联系,关注不太明显的区域
增强的高级特征扩大了对全身的关注,增强的低级特征信息可以集中在身体的主要部位。
- 不同层之间相互生成 通过 BPF生成 后面又接了个增强的网络
1×1 卷积可以压缩信道数。池化可以压缩宽和高。
1x1卷积给神经网络增加非线性,从而减少或保持信道数不变,也可以增加信道数