【论文阅读笔记】【ARXIV2105】An Efficient Pyramid Split Attention Block on Convolutional Neural Network
发布时间
阅读量：
阅读量
[源文
https://arxiv.org/abs/2105.14447](https://arxiv.org/abs/2105.14447)[源代码
https://github.com/murufeng/EPSANet](https://github.com/murufeng/EPSANet)
Introduction
Model
Pyramid Split Attention (PSA)基于SENet提出了一种多尺度特征提取机制，其整体架构图如图所示。主要包含以下四个方面的内容：
- 分割与合并(SPC)模块负责生成空间级多尺度特征图；
- SEModule在SE-Net中被用来生成空间级视觉注意力向量以抽取多尺度响应目标的特征；
- 通过Softmax函数对特征图的权重进行重新分配；
- 通过元素-wise乘法将权重向量与原始特征图结合生成最终的结果响应图。
SPC module
如上图所示，在ESPANet-small框架下，默认设置下各卷积层分别采用不同的参数设置。其中主干网络层主要采用单个分支结构进行特征提取；而分支网络层则分别对应多个分支架构进行信息融合。
SEWeight module
ESPNet
在ESPANet架构中，在图中展示的为该模块的具体设计。相较于ResNet而言，则采用了PSA模块替代传统的3×3卷积，在此结构下构成了完整的ESPANet单元。
Experiment
Image Classification on ImageNet
Object Detection on MS COCO
全部评论 (0)
还没有任何评论哟~