MCA:Moment Channel Attention 网络
原文中文,约400字,阅读约需1分钟。发表于: 。通过研究神经网络中特征映射的统计矩,我们发现高阶矩在增强模型能力方面具有关键作用。因此,我们引入了一种灵活和全面的机制,称为 “广泛的矩聚合(EMA)”,以捕获全局空间上下文。在此机制基础上,我们提出了一种名为 “矩通道注意力(MCA)” 的框架,通过我们的 “交叉矩卷积(CMC)”...
通过研究神经网络中特征映射的统计矩,发现高阶矩在增强模型能力方面关键。引入了广泛的矩聚合(EMA)机制,捕获全局空间上下文。提出了矩通道注意力(MCA)框架,通过交叉矩卷积(CMC)模块高效结合多个级别的基于矩的信息。实验证明,方法在图像分类、目标检测和实例分割任务中取得最先进结果,超越现有通道注意力方法。