admin 管理员组

文章数量: 1086019

14.EPSANet: An Efficient Pyramid Squeeze Attention Block on Convolutional Neural Network(2021.3)

题目：卷积神经网络上的高效金字塔挤压注意块

论文地址：.14447

摘要：最近，研究表明，在深度卷积神经网络中嵌入注意力模块可以有效提高其性能。在这项工作中，提出了一种新的轻量级和有效的注意力方法，称为金字塔挤压注意力（PSA）模块。通过在ResNet的瓶颈块中用PSA模块替换3x3卷积，获得了一种新的表示块，称为有效金字塔挤压注意力（EPSA）。EPSA块可以很容易地作为即插即用组件添加到成熟的主干网络中，并且可以显著提高模型性能。因此，本文通过堆叠这些ResNet风格的EPSA块，开发了一种简单高效的主干架构EPSANet。相应地，所提出的EPSANet可以为各种计算机视觉任务提供更强的多尺度表示能力，包括但不限于图像分类、对象检测、实例分割等。在没有任何细节的情况下，所提出的EPSANet的性能优于大多数最先进的通道注意力方法。与SENet-50相比，在ImageNet数据集上，Top-1精度提高了1.93%，在MS-COCO数据集上使用mask RCNN进行对象检测时，获得了+2.7 box AP的更大幅度，并提高了+1.7 mask AP，例如分割。我们的源代码位于：

本文标签： 14EPSANet An Efficient Pyramid Squeeze Attention Block on Convolutional Neural Network(20213)

版权声明：本文标题：14.EPSANet: An Efficient Pyramid Squeeze Attention Block on Convolutional Neural Network(2021.3) 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.roclinux.cn/b/1693413881a220535.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。