AFINet：用于图像分类的注意力特征融合网络
计算机视觉与模式识别
2021-05-11 v1
摘要
卷积神经网络（CNNs）已在包括图像分类在内的许多学习任务中取得巨大成功。CNNs 中近期的先进模型，如 ResNets，主要关注跳跃连接以避免梯度消失。DenseNet 的设计建议创建额外的旁路来传递特征，作为网络设计中的替代策略。在本文中，我们设计了注意力特征融合（AFI）模块，其广泛适用于绝大多数近期网络架构，从而产生称为 AFI-Nets 的新架构。AFI-Nets 显式建模不同层级特征之间的相关性，并以极小开销选择性地传递特征。AFI-ResNet-152 在 ImageNet 数据集上获得 1.24% 的相对提升，同时与 ResNet-152 相比将 FLOPs 降低约 10%、参数数量降低约 9.2%。
引用
@article{arxiv.2105.04354,
title = {AFINet: Attentive Feature Integration Networks for Image Classification},
author = {Xinglin Pan and Jing Xu and Yu Pan and liangjian Wen and WenXiang Lin and Kun Bai and Zenglin Xu},
journal= {arXiv preprint arXiv:2105.04354},
year = {2021}
}