Attention Mechanism in Computer Vision

前言 本文系统全面地介绍了Attention机制的不同类别,介绍了每个类别的原理、优缺点。

欢迎关注公众号CV技术指南,专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。

概述

Attention机制目的在于聚焦有用的信息,并减少不重要信息的比重。Attention机制可以分为6大类,包括4个基础类别和2个组合类别。4个基础类别分别是通道注意力(channel attention),空间注意力(spatial attention),时间注意力(temporal attention),分支注意力(branch attention)。2个组合类别即通道与空间的组合,空间与时间的组合。

 

欢迎关注公众号CV技术指南,专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。

CV技术指南创建了一个免费的知识星球。关注公众号添加编辑的微信号可邀请加入。

知识星球正在建设中,欢迎可以写以下内容的成员联系我(微信号:FewDesire,ID:仿佛若有光)。添加前请备注“研究方向-地点-ID”

  1. TVM入门到实践的教程

  2. TensorRT入门到实践的教程

  3. MNN入门到实践的教程

  4. 数字图像处理与Opencv入门到实践的教程(须包含数字图像处理理论和opencv实践)

  5. OpenVINO入门到实践的教程

  6. libtorch入门到实践的教程

  7. Oneflow入门到实践的教程

  8. Detectron入门到实践的教程

  9. CUDA入门到实践的教程

  10. caffe源码阅读

  11. pytorch源码阅读

  12. 深度学习从入门到精通(从卷积神经网络开始讲起)

  13. 最新顶会的解读。例如最近的CVPR2022论文。

  14. 各个方向的系统性综述、主要模型发展演变、各个模型的创新思路和优缺点、代码解析等。(分成多篇文章来写,写得太简约不行,最好是一个重要模型一篇文章)

  15. 若自己有想写的且这上面没提到的,可以跟我联系。

你可能感兴趣的:(CV技术总结,计算机视觉,深度学习,pytorch,神经网络,注意力机制)