卷积神经网络中基于特征的注意力
计算机视觉与模式识别
2015-12-10 v2
摘要
卷积神经网络（CNNs）已被证明对图像处理任务（如目标识别与分类）有效。近来，CNNs通过类似生物学中发现的注意力概念得到了增强。许多此类注意力工作聚焦于有效的串行空间处理。本文中，我介绍了一种将基于特征的注意力（FBA）应用于CNNs的简单流程，并比较了多种实现选项。FBA是一种自上而下施加于输入图像的全局信号，有助于在杂乱或噪声环境中检测选定目标。此处测试的FBA概念与实现细节源自关于生物目标与基于特征的注意力的已知（且有争议的）认识。此处描述的FBA实现使用一种简单、快速且不需要额外迭代训练的流程，提升了在挑战性目标检测任务上的性能。此外，此处进行的比较表明，一种提出的生物FBA模型（“特征相似增益模型”）能有效提升性能。
引用
@article{arxiv.1511.06408,
title = {Feature-based Attention in Convolutional Neural Networks},
author = {Grace W. Lindsay},
journal= {arXiv preprint arXiv:1511.06408},
year = {2015}
}
备注
9 pages (plus 3 page Appendix), 7 figures total, submitted to ICLR 2016