EAST网络优化-注意力模块代码

葛葛葛立鹏啊

已于 2022-10-23 21:29:42 修改

阅读量120

点赞数

文章标签： tensorflow python

于 2020-11-13 19:58:04 首次发布

本文链接：https://blog.csdn.net/weixin_44929101/article/details/109680619

版权

本文聚焦于深度学习中的注意力机制，探讨了CBAM（卷积块注意力模块）和SE（Squeeze-and-Excitation）模块在卷积层中的应用。作者介绍了CBAM如何通过通道和空间注意力提升模型性能，并在轻量级网络如MobileNetV3中，用5×5深度卷积和SE模块替换部分3×3卷积来优化效率。

摘要由CSDN通过智能技术生成

前言

本文章用于优化·EAST算法，将于毕业后公开
pytorch：CBAM–卷积层中的注意力模块 - 知乎
tensorflow：https://zhuanlan.zhihu.com/p/96966170
注意力模型CBAM_年轻即出发，-CSDN博客 https://blog.csdn.net/qq_14845119/article/details/81393127
模块解读：注意力机制BAM和CBAM详细解析（附代码）_Wenrui Xie的博客-CSDN博客_cbam注意力机制 https://blog.csdn.net/xiewenrui1996/article/details/105760359?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.compare&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.compare
注意力机制BAM和CBAM详细解析（附代码）_Wenrui Xie的博客-CSDN博客_cbam注意力机制 https://blog.csdn.net/xiewenrui1996/article/details/105760359?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.compare&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.compare
注意！！！在轻量型网络中：MobileNetV3中引入了5×5大小的深度卷积代替部分3×3的深度卷积。引入Squeeze-and-excitation（SE）模块！！！！！注意力模块