Residual Attention Network for Image Classification, cvpr17

人至懒则无敌。

cvpr17的论文，很有意思，值得一读和复现。（笔者懒，还是坐等开源吧）

Residual Attention Network for Image Classification. In CVPR 2017.

该模型的结构参考了: Stacked hourglass networks for human pose estimation. In arXiv 2016. （笔者强烈推荐）

yangshuo的page: http://personal.ie.cuhk.edu.hk/~ys014/

还是老样子，看图说话，具体细节，请看论文。

图1说明了越high-level的part feature及其mask越会focus在object或者parts of object上。而且通过mask，可以diminish不相关的区域，如背景。

图2是网络架构，其关键点在于hourglass的attention map以及attention和trunck branches的residual connection。具体的细节和公式请看论文，容易理解。下面的图3比较详细地说明了soft mask branch和trunk branch是怎样的子结构。

至于效果嘛，看下面的tab 7

笔者简单套用了下residual这个方式，即（1+M（X））*T（X）到笔者的一个task上，发现是有1%的提升的。

=====

如果这篇博文对你有帮助，可否赏笔者喝杯奶茶？