首先说说为什么要讲解这篇论文，这篇论文是发表在2017年CVPR上的论文，之所以挑出来讲解，是因为自己想了解一下注意力机制方面的知识。之前一直听说过“attention”，但就不知道什么意思，更别说应用了，一提到“attention”就觉得很高大上，所以近期准备研究一些关于注意力的文章。话不多说，进入正题！
【注意力机制的初衷】
什么是注意力机制？他是干嘛的呢？简单的来说就是把目光放在重点特征上，忽略那些无关紧要的信息。论文在摘要部分就说了注意力机制的设计初衷：一个动态的上下文有关的横跨时间的特征提取器。这句话怎么理解呢？我个人认为就是统筹全局信息（包括前面已获得的先验信息）来对现在的特征进行提取重要有用的信息。本文是结合空间注意力（spatial attetion）和通道注意力（channel-wise）两者共同在多层特征之间的应用。attention机制的本质是训练一个权重，然后这个权重可以用来对channel做选择或者叠加在feature map的每个像素点上，比如之前我讲解的SE-Net就是采用的训练权重对feature map的channel做选择的方式。
【Introduction】
这是论文中的一张图，反映了通道注意力（channel-wise）在多层特征（multi-layer）间的应用。采用channel wise attention方法处理网络的某些层（比如VGG19网络中的conv5_3和conv5_4层）后的可视化效果。选取其中权重最大的3个channel的feature map并可视化，同时展示了每个channel的feature map对应的5张图像中感受野的响应最大的区域。
【流程】
稍微解释一下：
（1）spatial attention：以当前feature map的每个像素为单位，对每个像素都分配一个权重值，这个权重值是一个二维矩阵；
（2）channel-wise：以feature map为单位，对每个channel分配一个权重，因此这个权重是一个向量。
上图是SCA-CNN的整体图，还是采取的经典的encoder-decoder结构，主要包含CNN网络（encoder）和LSTM网络（decoder）两部分。CNN网络包含spatial attention和channel wise attention两种attention操作。spatial attention可以理解以feature map的每个像素点为单位，对feature map的每个像素点都配一个权重值，因此这个权重值应该是一个矩阵；channel wise attention则是以feature map为单位，对每个channel都配一个权重值，因此这个权重值应该是一个向量。
其实对于LSTM笔者也不熟悉，所以这里暂时不详说。
好了，这篇基本上就说到这了，主要让大家了解一下注意力机制的一个大概情况，后面还会陆续带来相关的其他论文！
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
