关注并修正：一种用于细粒度恢复的门控注意力机制
计算机视觉与模式识别
2018-07-25 v2
摘要
我们提出一种新颖的注意力机制以增强卷积神经网络在细粒度识别中的表现。它学习关注较低层特征激活而无需部位标注，并利用这些激活来更新与修正输出似然分布。与其他方法相反，所提机制是模块化的、架构无关的，并且在所需参数与计算上均高效。实验表明，经我们方法增强的网络系统性地提升了其分类准确率并对杂乱更具鲁棒性。结果，配备我们方案的宽残差网络（Wide Residual Networks）在 CIFAR-10、Adience 性别识别任务、Stanford dogs 与 UEC Food-100 上超越了最先进的分类准确率。
引用
@article{arxiv.1807.07320,
title = {Attend and Rectify: a Gated Attention Mechanism for Fine-Grained Recovery},
author = {Pau Rodríguez and Josep M. Gonfaus and Guillem Cucurull and F. Xavier Roca and Jordi Gonzàlez},
journal= {arXiv preprint arXiv:1807.07320},
year = {2018}
}
备注
Published at ECCV2018