DMSANet：双多尺度注意力网络
计算机视觉与模式识别
2021-08-12 v2 机器学习
摘要
近年来注意力机制在计算机视觉界颇为流行。已有大量工作致力于提升网络性能，尽管这几乎总是导致计算复杂度增加。在本文中，我们提出了一种新的注意力模块，它不仅取得了最佳性能，而且与大多数现有模型相比具有更少的参数。我们的注意力模块因其轻量特性可轻松与 other 卷积神经网络集成。所提出的名为双多尺度注意力网络（DMSANet）的网络由两部分组成：第一部分用于在不同尺度上提取特征并聚合它们，第二部分并行使用空间与通道注意力模块以自适应地将局部特征与其全局依赖关系整合。我们在 ImageNet 数据集上针对图像分类、在 MS COCO 数据集上针对目标检测与实例分割对网络性能进行了基准测试。
引用
@article{arxiv.2106.08382,
title = {DMSANet: Dual Multi Scale Attention Network},
author = {Abhinav Sagar},
journal= {arXiv preprint arXiv:2106.08382},
year = {2021}
}
备注
11 pages, 3 figures, 8 tables, Submitted to WACV 2022