面向弱监督目标定位的双重注意力引导 DropBlock 模块
计算机视觉与模式识别
2020-07-10 v3
摘要
注意力机制常用于学习判别性特征以获得更好的特征表示。本文将注意力机制扩展到弱监督目标定位（WSOL）任务，提出了双重注意力引导 DropBlock 模块（DGDM），旨在为 WSOL 学习信息丰富且互补的视觉模式。该模块包含两个关键组件：通道注意力引导丢弃（CAGD）和空间注意力引导 DropBlock（SAGD）。为建模通道间依赖关系，CAGD 对通道注意力进行排序，并将幅值最大的前 k 个注意力视为重要注意力；同时保留一些低值元素，以在训练过程中若其变得重要时提升其值。SAGD 通过擦除特征图的连续区域而非单个像素，高效去除最具判别性的信息，从而引导模型捕捉用于分类的判别性较弱的部分；此外，它还能区分前景目标与背景区域，缓解注意力误导。实验结果表明，所提方法取得了新的最先进定位性能。
引用
@article{arxiv.2003.04719,
title = {Dual-attention Guided Dropblock Module for Weakly Supervised Object Localization},
author = {Junhui Yin and Siqing Zhang and Dongliang Chang and Zhanyu Ma and Jun Guo},
journal= {arXiv preprint arXiv:2003.04719},
year = {2020}
}
备注
Accepted by the 25th International Conference on Pattern Recognition (ICPR 2020)