SCA-CNN《SCA-CNN:SpatialandChannel-wiseAttentioninConvolutionalNetworksforImageCaptioning》总体介绍 文章认为CNN

在本文中，我们介绍了一种新的卷积神经网络，称为SCA-CNN

1.前言视觉上的attention已经被成功运用在了结构预测任务中。例如，visualcaptioning与questionanswering。现有的视觉attention模型都是基于空间的，既是重新加权最后一个卷积层的featuremap。其原理如下图所示，但是这样的或许并不能会很好符合attention的机制。文章中指出，基于CNN的原理，其所提取的featuremap具有spatial、ch

参考论文：SCA-CNN:SpatialandChannel-wiseAttentioninConvolutionalNetworksforImageCaptioningimagecaption是一个imagetotext

来源:CVPR2017关键词：imagingcaptioning;attentionmechanism原文Motivationvisualattention已经在image/videocaptioning和visualquestionanswering任务中取得了成功.其合理之处在于人总是根据需要有选择性的观察图像的一部分.文中将attention-basedmodels分为三类:SpatialA

论文：SCA-CNN:SpatialandChannel-wiseAttentioninConvolutionalNetworksforImageCaptioning文章提出一个新颖的卷积神经网络叫做SCA-CNN

论文SCA-CNN的tensorflow代码实现（保存下来）：论文：SCA-CNN:SpatialandChannel-WiseAttentioninConvolutionalNetworksforImageCaptioning

论文：SCA-CNN:SpatialandChannel-wiseAttentioninConvolutionalNetworksforImageCaptioning链接：https://arxiv.org