本文提出一種新的基于DCT頻率域的通道注意力，其在分類、檢測和分割任務上，性能優于SENet、CBAM和GCNet等主干，代碼和模型即將開源！
注：文末附計算機視覺交流群
FcaNet: Frequency Channel Attention Networks
- 作者單位：浙江大學（李璽團隊）
- 論文：https://arxiv.org/abs/2012.11879
注意力機制，尤其是通道注意力，在計算機視覺領域取得了巨大的成功，許多作業專注于如何設計有效的通道注意力機制，同時忽略一個基本問題，即使用全域平均池（GAP）作為毫無疑問的預處理方法，
在這項作業中，我們從不同的角度出發，并使用frequency analysis重新考慮通道的注意力，基于頻率域分析，我們在數學上證明了傳統的GAP是頻域中特征分解的特例，有了證明，我們自然地在頻域上概括了通道注意力機制的預處理，并提出了具有新穎的multi-spectral通道注意力的FcaNet，
所提出的方法簡單但有效，我們只在計算中更改一行代碼，以在現有通道注意力方法中實施我們的方法，
主要貢獻：
實驗結果
與其他在影像分類，目標檢測和實體分割任務上的通道注意力方法相比，該方法可實作最新的結果，與基線SENet-50相比，在相同數量的引數和相同的計算成本的情況下，我們的方法在ImageNet上的Top-1準確性方面可提高1.8％，我們的代碼和模型將公開提供，
CVer-計算機視覺交流群
建了CVer微信交流群！細分方向已涵蓋：目標檢測、影像分割、目標跟蹤、人臉檢測&識別、OCR、姿態估計、超解析度、SLAM、醫療影像、Re-ID、GAN、NAS、深度估計、自動駕駛、強化學習、車道線檢測、模型剪枝&壓縮、去噪、去霧、去雨、風格遷移、遙感影像、行為識別、視頻理解、影像融合、影像檢索、論文投稿&交流、PyTorch和TensorFlow等群，
想要進計算機視覺學習交流群的同學，可以直接加微信號：CVer5555，加的時候備注一下：研究方向+學校+昵稱，即可，然后就可以拉你進群了，
強烈推薦大家關注CVer知乎賬號和CVer微信公眾號，可以快速了解到最新優質的CV論文，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/240052.html
標籤：其他
上一篇：淺談功分器