一种用于图像分类的判别性通道多样化网络
计算机视觉与模式识别
2021-12-14 v1
摘要
卷积神经网络中的通道注意力机制已在各种计算机视觉任务中被证明是有效的。然而，性能提升伴随着额外的模型复杂度和计算成本。在本文中，我们提出了一种轻量且高效的注意力模块，称为通道多样化块，通过在全局层面建立通道关系来增强全局上下文。与其他通道注意力机制不同，所提模块通过给予空间可区分通道更多关注同时考虑通道激活，聚焦于最具判别性的特征。不同于其他将模块插入若干中间层之间的注意力模型，所提模块嵌入在骨干网络末端，使其易于实现。在 CIFAR-10、SVHN 和 Tiny-ImageNet 数据集上的大量实验表明，所提模块将基线网络的性能平均提升了 3%。
引用
@article{arxiv.2112.05861,
title = {A Discriminative Channel Diversification Network for Image Classification},
author = {Krushi Patel and Guanghui Wang},
journal= {arXiv preprint arXiv:2112.05861},
year = {2021}
}