用于图像分类与超分辨率的免参数通道注意力
图像与视频处理
2023-03-21 v1 计算机视觉与模式识别
摘要
通道注意力机制是一种广泛用于深度卷积神经网络以提升图像处理任务（例如图像分类与图像超分辨率）性能的技术。它通常被设计为参数化子网络并嵌入网络的卷积层中以学习更强大的特征表示。然而，当前的通道注意力引入了更多参数，从而导致更高的计算成本。为解决此问题，在本工作中，我们提出一种免参数通道注意力（PFCA）模块，以提升主流图像分类与图像超分辨率网络的性能，同时彻底消除通道注意力的参数增长。在 CIFAR-100、ImageNet 与 DIV2K 上的实验验证，我们的 PFCA 模块分别提升了 ResNet 在图像分类上的性能与 MSRResNet 在图像超分辨率任务上的性能，同时仅带来极少的参数与 FLOPs 增长。
引用
@article{arxiv.2303.11055,
title = {Parameter-Free Channel Attention for Image Classification and Super-Resolution},
author = {Yuxuan Shi and Lingxiao Yang and Wangpeng An and Xiantong Zhen and Liuqing Wang},
journal= {arXiv preprint arXiv:2303.11055},
year = {2023}
}