RATM：循环注意力跟踪模型
机器学习
2016-04-29 v4
摘要
我们提出了一种用于计算机视觉的基于注意力的模块化神经框架。该框架使用软注意力机制，允许模型通过梯度下降训练。它由三个模块组成：控制图像或视频帧中观察位置的循环注意力模块、提供所见内容表示的特征提取模块，以及形式化模型学习其注意力行为原因的目标模块。注意力模块使模型能够将计算聚焦于输入中与任务相关的信息。我们将该框架应用于若干目标跟踪任务，并探索了各种设计选择。我们使用三个数据集进行实验：弹跳球、移动数字以及真实世界的 KTH 数据集。所提出的循环注意力跟踪模型在所有三个任务上表现良好，并且能泛化到来自具有挑战性的跟踪数据集的相关但先前未见的序列。
引用
@article{arxiv.1510.08660,
title = {RATM: Recurrent Attentive Tracking Model},
author = {Samira Ebrahimi Kahou and Vincent Michalski and Roland Memisevic},
journal= {arXiv preprint arXiv:1510.08660},
year = {2016}
}