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！

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)