首页|基于空间注意力的CNN特征增强方法

基于空间注意力的CNN特征增强方法

扫码查看
原文链接
  • 万方数据
  • 维普
卷积神经网络一般被用于特征提取,它通过提取图像底层的点、线、面的几何特征,进而映射到高层的语义特征,然而传统的卷积网络只对输入的样本进行宽泛的特征提取,而不会刻意去区分图像的前景和后景,这使得模型提取到的特征包含大量的背景噪声,降低了模型的表征能力.在空间注意力的基础上,提出了一种名为特征增强网络(FA-block)的卷积网络分支,这种网络结构从样本的掩膜中学习目标的空间分布,为原始特征图上的每一个像素点训练得到代表重要程度的权重,然后通过加权的方式突出特征图中的目标部位.此方法旨在抑制背景噪声,增强待学习的目标特征,让主干网络提取到的特征更加纯净.在PASCAL VOC数据集上的实验证明了FA-block的有效性,最后经过MS COCO数据集的验证,FA-block使得Faster Rcnn基线的性能提高了5.5％.
Feature Augment of Convolutional Neural Network Based on Spatial Attention

许畅、王朝辉

展开 >

武汉科技大学 计算机科学与技术学院,湖北 武汉 430065

计算机视觉 卷积神经网络 空间注意力 特征增强 高频噪声抑制

国家自然科学基金

61806150

2022

10.3969/j.issn.1673-629X.2022.06.013

计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
年,卷(期)：2022.32(6)
  • 1
  • 5