位置: IT常识 - 正文

注意力机制-CA注意力-Coordinate attention(注意力机制详解)

编辑:rootadmin
注意力机制-CA注意力-Coordinate attention 注意力机制学习--CA(Coordinate attention)简介CA注意力机制的优势:提出不足算法流程图代码最后简介

推荐整理分享注意力机制-CA注意力-Coordinate attention(注意力机制详解),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:注意力机制 cv,注意力机制 lstm,注意力机制 cv,注意力机制 cv,注意力机制 q k v,注意力机制 lstm,注意力机制cbam,注意力机制工作原理,内容如对您有帮助,希望把文章链接给更多的朋友!

CA(Coordinate attention for efficient mobile network design)发表在CVPR2021,帮助轻量级网络涨点、即插即用。

CA注意力机制的优势:注意力机制-CA注意力-Coordinate attention(注意力机制详解)

1、不仅考虑了通道信息,还考虑了方向相关的位置信息。 2、足够的灵活和轻量,能够简单的插入到轻量级网络的核心模块中。

提出不足

1、SE注意力中只关注构建通道之间的相互依赖关系,忽略了空间特征。 2、CBAM中引入了大尺度的卷积核提取空间特征,但忽略了长程依赖问题。

算法流程图

step1: 为了避免空间信息全部压缩到通道中,这里没有使用全局平均池化。为了能够捕获具有精准位置信息的远程空间交互,对全局平均池化进行的分解,具体如下: 对尺寸为C∗H∗WC*H*WC∗H∗W输入特征图InputInputInput分别按照XXX方向和YYY方向进行池化,分别生成尺寸为C∗H∗1C*H*1C∗H∗1和C∗1∗WC*1*WC∗1∗W的特征图。如下图所示(图片粘贴自B站大佬渣渣的熊猫潘)。 step2:将生成的C∗1∗WC*1*WC∗1∗W的特征图进行变换,然后进行concat操作。公式如下: 将zhz^hzh和zwz^wzw进行concat后生成如下图所示的特征图,然后进行F1操作(利用1*1卷积核进行降维,如SE注意力中操作)和激活操作,生成特征图f∈RC/r×(H+W)×1f \in \mathbb{R}^{C/r\times(H+W)\times1}f∈RC/r×(H+W)×1。 step3:沿着空间维度,再将fff进行split操作,分成fh∈RC/r×H×1f^h\in \mathbb{R}^{C/r\times H \times1}fh∈RC/r×H×1和fw∈RC/r×1×Wf^w\in \mathbb{R}^{C/r\times1\times W}fw∈RC/r×1×W,然后分别利用1×11 \times 11×1卷积进行升维度操作,再结合sigmoid激活函数得到最后的注意力向量gh∈RC×H×1g^h \in \mathbb{R}^{C \times H \times 1 }gh∈RC×H×1和gw∈RC×1×Wg^w\in \mathbb{R}^{C \times1\times W}gw∈RC×1×W。 最后:Coordinate Attention 的输出公式可以写成:

代码

代码粘贴自github。CoordAttention 地址:https://github.com/houqb/CoordAttention/blob/main/mbv2_ca.py

class CoordAtt(nn.Module): def __init__(self, inp, oup, groups=32): super(CoordAtt, self).__init__() self.pool_h = nn.AdaptiveAvgPool2d((None, 1)) self.pool_w = nn.AdaptiveAvgPool2d((1, None)) mip = max(8, inp // groups) self.conv1 = nn.Conv2d(inp, mip, kernel_size=1, stride=1, padding=0) self.bn1 = nn.BatchNorm2d(mip) self.conv2 = nn.Conv2d(mip, oup, kernel_size=1, stride=1, padding=0) self.conv3 = nn.Conv2d(mip, oup, kernel_size=1, stride=1, padding=0) self.relu = h_swish() def forward(self, x): identity = x n,c,h,w = x.size() x_h = self.pool_h(x) x_w = self.pool_w(x).permute(0, 1, 3, 2) y = torch.cat([x_h, x_w], dim=2) y = self.conv1(y) y = self.bn1(y) y = self.relu(y) x_h, x_w = torch.split(y, [h, w], dim=2) x_w = x_w.permute(0, 1, 3, 2) x_h = self.conv2(x_h).sigmoid() x_w = self.conv3(x_w).sigmoid() x_h = x_h.expand(-1, -1, h, w) x_w = x_w.expand(-1, -1, h, w) y = identity * x_w * x_h return y最后

CA不仅考虑到空间和通道之间的关系,还考虑到长程依赖问题。通过实验发现,CA不仅可以实现精度提升,且参数量、计算量较少。

简单进行记录,如有问题请大家指正。

本文链接地址:https://www.jiuchutong.com/zhishi/290832.html 转载请保留说明!

上一篇:el-table(type=“selection“)多选框两种回显

下一篇:鸟瞰皮纳图博火山湖和山脉,菲律宾波拉克 (© Amazing Aerial Agency/Offset by Shutterstock)(bestars皮纳)

  • 应交税费会计分录怎么做明细科目
  • 公司租用个人房屋如何记账
  • 摄影服务属于哪个开票类目
  • 长期挂账的应付账款如何写申请报告
  • 独资企业是向地税申报个税吗
  • 基金投资债券会赔吗
  • 捆绑销售行为怎么纳税
  • 股权转让是把公司卖了吗
  • 金税盘发票号码确认显示不全
  • 事业单位收到增资款
  • 房屋出售缴纳税种
  • 非独立核算的分公司怎么做账
  • 破产清算重整和解
  • 企业缴纳印花税会计分录
  • 住房公积金业务挂起
  • 民间非营利组织会计制度最新版
  • 公司备用金可以取多少
  • 收到投资款怎么做记账凭证
  • 不动产广告位出租税率是多少
  • 调整增值税税率
  • 电脑经常重新启动是什么原因
  • 本年利润余额的计算公式
  • 企业办税人员是干嘛的
  • 网上申报税务局怎么操作
  • 该内存不能为read是怎么回事
  • kb4586863更新
  • 住房公积金会扣税吗
  • noads.exe - noads是什么进程 有什么用
  • 安卓跑ubuntu
  • yolov5增加检测层
  • 工会筹备金不缴可以吗
  • 代扣代缴的境外收入企业所得税可以抵减吗
  • mongodb时序
  • 织梦cms要钱吗
  • 发票章丢了会不会有事
  • 报废的设备属于什么
  • 不可抵消
  • 财务费用的科目类别是什么
  • 医院发票丢失怎么补办
  • 税务登记证证书编号是什么
  • 什么指的是土地面积
  • 普通发票记账联丢了怎么解决
  • 收到投资款如何做账务处理
  • 呆账坏账对应五级分类
  • 去年的福利费没有用完,今年可以用吗
  • 税收返还会计核算
  • 餐费补贴是否计入成本
  • 长期挂账的其他应付款税务风险
  • 购入固定资产的会计科目
  • 工资条上为什么不显示生育险
  • 从业人数和资产总额指标,应按企业
  • 财务人员如何审合同课件
  • sql语句错误提示
  • windows下mysql 5.7版本中修改编码为utf-8的方法步骤
  • 电脑win7win8win10操作系
  • u极速u盘启动官网
  • ubuntu下安装deb文件
  • linux的总结
  • win8怎么把开始调出来
  • 电脑系统win8
  • win8什么时候发布
  • cocos2dx camera
  • Unity3D Editor类(Inspector) 编写经验总结
  • ftql
  • ndk sdk
  • javascript如何输出变量
  • jquery删除节点的元素
  • python winreg
  • unity的invoke
  • 浅析jQuery Ajax请求参数和返回数据的处理
  • javascript的for循环
  • Python 使用requests模块发送GET和POST请求的实现代码
  • androidstudio快捷生成代码
  • android获取本地相册中图片
  • js基于什么
  • 静海去天津的公交
  • 车船税完税证明开具如何开具
  • 员工持股计划与股权激励哪个好
  • 如何抵扣缴纳增值税
  • 20万块手表交多少税
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设