SE模块（Squeeze-and-Excitation） SENet: SENet网络的创新点在于关注channel之间的关系，希望模型可以自动学习到不同channel特征的重要程度。为此，SEN ...

注意力的种类有如下四种： 加法注意力, Bahdanau Attention 点乘注意力, Luong Attention 自注意力, Self-Attention 多头点乘注意力, Multi-Head Dot Product Attention（请转至Transformer ...

注意力机制分为：通道注意力机制， 空间注意力机制， 通道_空间注意力机制， 自注意力机制 参考： https://blog.csdn.net/weixin_44791964/article/details/121371986 通道注意力机制 SENet 其重点是获得输入进来的特征层 ...

有一些其他理论先暂时不讲了，直奔今天的主题 视觉注意力机制 视觉注意力机制根据 关注域 的不同，可分为三大类：空间域、通道域、混合域 空间域：将图片中的 空间域信息 做对应的 变换，从而将关键得信息提取出来。对空间进行掩码的生成，进行打分，代表是 Spatial Attention ...

注意力机制中的软和硬 注意力机制是当前深度学习领域比较流行的一个概念。其模仿人的视觉注意力模式，每次只关注与当前任务最相关的源域信息，使得信息的索取更为高效。 注意力机制已在语言模型、图像标注等诸多领域取得了突破进展。 注意力机制可分为软和硬两类： 软性注意力（Soft ...

一、传统编码-解码机制 设输入序列$\{x^1,x^2,...,x^n\}$，输出序列$\{y^1,y^2,...,y^m\}$，encoder的隐向量为$h_1,h_2,...$，decoder的隐向量为$s_1,s_2,...$。 解码器的输入只有一个向量，该向量就是输入序列经过编码器 ...

attention机制原多用于NLP领域，是谷歌提出的transformer架构中的核心概念。现在cv领域也开始越来越多的使用这种方法。本次分享对注意力机制进行了相关的梳理，旨在帮助大家入门attention机制，初步了解attention的结构以及背后原理。 1. attention概念 ...

假设现在有一个句子（s1,s2,s3）,v是s的转置 第一个词和每一个词的内积 相似度越大 结果越大 s1v1 s1v2 s1v3 第二个词和每一个词的内积 s2v1 s2v1 s2v3 第三个词 ...