GCNet的简述

O_o381

于 2024-12-17 21:27:31 发布

阅读量467

点赞数 13

文章标签：人工智能深度学习神经网络 pytorch

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/qq_61706514/article/details/144544987

版权

其中了解self-attention知道他的计算量是 $O\left ( n^{2} \right )$

Global Context Attention计算量变少从 $O\left ( n^{2} \right )$ 变成 $O\left ( n \right )$

NL：

(a)首先resize成C×HW然后通过1×1的卷积生成q，k，v，然后q乘 $k^{T}$ 变成HW×HW，然后通过softmax进行归一化然后和v进行乘，再通过1×1的卷积，再和原图进行相加也就是特征融合

由于不同位置的q对应热图几乎一致，因此可以共用一张热图，从而简化成（b）

再通过数学技巧把 $W_{v}$ 提出来，最后变成：

再借鉴se模块，将se的思路先降维后升维，这样减少计算量，并且加入了ln层更加稳定，形成最后的GCblock.

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。