《Recurrent Models of Visual Attention》论文网络结构解读

1.数据

图片数据n*1*28*28,一共有n张图片,图片通道数为1,高宽都是28

2.网络结构可以分为以下几部分:

(1)glimpse_network()

集中关注图片的局部信息:内容和位置
《Recurrent Models of Visual Attention》论文网络结构解读_第1张图片

(2)core_network()

实际上是RNN网络,处理glimpse_network()输出的重要子图。
《Recurrent Models of Visual Attention》论文网络结构解读_第2张图片

(3)location_network()

处理core_network()输出的信息,加噪音,为提取局部子图的log_pi概率做准备。
《Recurrent Models of Visual Attention》论文网络结构解读_第3张图片

(4)baseline_network()

计算损失函数时候用到b_t
《Recurrent Models of Visual Attention》论文网络结构解读_第4张图片

(5) action_network( )

遇到end结束序列时候用,输出图片的分类结果
《Recurrent Models of Visual Attention》论文网络结构解读_第5张图片

3.总体网络结构RecurrentAttention()与损失函数

《Recurrent Models of Visual Attention》论文网络结构解读_第6张图片

参考
1.代码
2.《Recurrent Models of Visual Attention》

你可能感兴趣的:(深度学习,AI论文解读)