YOLO又有新进展!学习添加CC-Net注意力机制,提高目标检测精度!

YOLO又有新进展!学习添加CC-Net注意力机制,提高目标检测精度!_第1张图片

一、概述

长距离的依赖关系可以捕获有用的上下文信息,以使视觉理解问题受益。在这项工作中,作者提出了一个Criss-Cross网络(CCNet),以通过更有效和高效的方式获取这些重要信息。具体而言,对于每个像素,我们的CCNet都可以通过新颖的criss-cross attention(CCA)模块获取交叉路径上其周围像素的上下文信息。通过采取进一步的循环操作,每个像素最终可以捕获所有像素的远程依赖关系。
总体而言,CCNet具有以下优点:

  • 1)GPU内存友好。与non-local相比,recurrent CCA模块所需的GPU内存使用量减少了11倍。
  • 2)高计算效率。在计算远程依赖关系时,recurrent criss-cross attention(RCCA)

你可能感兴趣的:(《YOLO算法改进指南》,目标检测,YOLO,学习)