全局采样空间注意力机制及其在图像分类与小目标检测识别中的应用
摘要
注意力机制的出现和应用在一定程度上改善了神经网络对全局信息应用不足的缺陷，但常见的注意力机制模块也同样存在感受野小无法关注全局信息的问题，而某些全局注意力机制模块则计算成本过高。为此，提出一种基于卷积、池化、对比方法的轻量化注意力模块，即全局采样空间注意力模块。对于深度网络推理过程中部分模块输出的中间特征图，该注意力模块通过对比差值的形式获取所需要的空间注意力图。全局采样空间注意力模块是一种轻量化的通用模块，能够直接置入卷积神经网络中，增加的成本几乎可以忽略不计，并且其能够与网络一同进行端到端训练。主要在随机抽取的部分ImageNet-1K数据集和团队自制的“低慢小”无人机数据集中对模块进行了验证。实验结果显示，相比其他模块，所提模块在图像分类和小目标检测识别任务中具备1百分点~3百分点的性能提升效果，证明了所提模块的性能与其在小目标检测方面的适用性。
引用本文（GB/T 7714）
卢镜宇 Lu Jingyu, 张海洋 Zhang Haiyang, 王文鑫 Wang Wenxin, 等. 全局采样空间注意力机制及其在图像分类与小目标检测识别中的应用[J]. Laser & Optoelectronics Progress, 2024.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。