STNet：用于目标定位的卷积网络选择性调谐
计算机视觉与模式识别
2017-08-23 v1
摘要
视觉注意力建模近期在开发由卷积神经网络提供的视觉层级结构方面获得了发展动力。尽管前馈处理在从原始图像中抽象概念方面取得了近期成功，但反馈处理的内在本质在计算上仍存在争议。受隐蔽视觉注意力计算模型的启发，我们提出了卷积网络选择性调谐。它由自下而上和自上而下的信息处理流组成，以选择性地调谐卷积网络的视觉表示。我们在 ImageNet 基准数据集上实验评估了 STNet 在弱监督定位任务中的性能。我们证明，STNet 不仅成功超越了现有最优结果，还生成了注意力驱动的类别假设图。
引用
@article{arxiv.1708.06418,
title = {STNet: Selective Tuning of Convolutional Networks for Object Localization},
author = {Mahdi Biparva and John Tsotsos},
journal= {arXiv preprint arXiv:1708.06418},
year = {2017}
}