挖掘RoI注意力用于水下目标检测
计算机视觉与模式识别
2022-06-27 v1
摘要
自注意力是深度学习中最成功的设计之一,其通过计算不同token的相似度并基于注意力矩阵重构特征。自注意力最初为NLP设计,在计算机视觉中也很流行,可分为像素级注意力和块级注意力。在目标检测中,RoI特征可视为来自基础特征图的块。本文旨在将注意力模块应用于RoI特征以提升性能。我们没有采用原始自注意力模块,而是选择了外部注意力模块——一种参数减少的改进自注意力。借助所提双头结构与位置编码模块,我们的方法在目标检测中取得了令人满意的性能。综合实验表明其性能良好,尤其在水下目标检测数据集中。代码将发布于:https://github.com/zsyasd/Excavating-RoI-Attention-for-Underwater-Object-Detection
引用
@article{arxiv.2206.12128,
title = {Excavating RoI Attention for Underwater Object Detection},
author = {Xutao Liang and Pinhao Song},
journal= {arXiv preprint arXiv:2206.12128},
year = {2022}
}