Bottleneck Attention Module
paper:BAM: Bottleneck Attention ModuleBMVC2018
code:BAM
Abstract
深度神經網路的最新進展已經通過架構研究開發出來,以獲得更強的代表能力。在這項工作中,我們關注一般深度神經網路中注意力的影響。我們提出了一個簡單的有效注意模塊,名為瓶頸注意模塊(BAM),可以與任何前饋卷積神經網路集成。我們的模塊沿著兩個獨立的路徑,即通道和空間推薦注意力圖。我們將模塊置於模型的每個瓶頸中,其中發生特徵映射的下採樣。我們的模塊通過多個參數在瓶頸上構建層次關注,並且可以與前饋模型一起以端到端的方式進行訓練。我們通過對CIFAR-100,ImageNet-1K,VOC 2007和MS COCO基準的廣泛實驗來驗證我們的BAM。我們的實驗表明,各種模型在分類和檢測性能方面均得到了一致的改進,證明瞭BAM的廣泛適用性。
Attention detail
瓶頸注意模塊,可以與任何卷積神經網路集成,BAM位於網路的每個瓶頸。多個BAM構建了一個層次關注,類似於人類感知過程。BAM在早期階段去除低級特徵,例如背景紋理特徵。然後逐漸關注確切的目標,進行一個較高級的語義分析。