方法 为了解决当前方法的问题,作者提出了“ultra-lightweight subspace attention module” (ULSAM) ,并指出该方法的优点是,在子空间计算 attention,大体框架如下图所示: 这个粗略的图中可以看出,是把输入特征分为多组分别处理,同时,各个组里也都有类似 SENet 的 squeeze 和 excitation 的效果。只是作者改了名字,叫...
为了解决当前方法的问题,作者提出了“ultra-lightweight subspace attention module” (ULSAM) ,并指出该方法的优点是,在子空间计算 attention,大体框架如下图所示: 这个粗略的图中可以看出,是把输入特征分为多组分别处理,同时,各个组里也都有类似 SENet 的 squeeze 和 excitation 的效果。只是作者改了名字,叫做 “...
ULSAM: Ultra-Lightweight Subspace Attention Module for Compact Convolutional Neural Networksdoi:10.1109/WACV45572.2020.9093341Rajat SainiNandan Kumar JhaBedanta DasSparsh MittalC. Krishna MohanIEEE
地址:https://arxiv.org/pdf/2006.15102.pdf
ULSAM:Ultra-Lightweight Subspace Attention Module for Compact Convolutional Neural Networks https://arxiv.org/pdf/2006.15102.pdf
ULSAM: Ultra-Lightweight Subspace Attention Module for Compact Convolutional Neural Networks - Nandan91/ULSAM
ULSAM:Ultra-Lightweight Subspace Attention Module for Compact Convolutional Neural Networks https://arxiv.org/pdf/2006.15102.pdf