[控场AI]
模型Pixel-Level Adaptive Squeeze-and-Excite

PLEASE

一种端到端学习软区域分配的通道注意力模块变体,通过轻量级分配网络为每个像素输出区域归属权重

时间轴 (近 90 天)

10月14日

论文提出了BASE、SPASE、MAPSE、PLEASE四种区域感知通道重标定模块,分别使用规则网格、SLIC超像素、冻结网络语义地图和端到端学习软分配来定义池化区域。

待验证50%
10月14日

PLEASE通过轻量级分配网络端到端学习软区域归属,每个通道在每个区域获得门控值,在通道注意力和空间注意力之间架起桥梁。

待验证50%
10月14日

PLEASE在前向传播过程中顺带产出软分配结果,无需事后分析即可提供结构化的空间可解释性。

待验证50%
10月14日

PLEASE增加的推理计算延迟在可测量范围以下。

待验证50%
10月14日

实验结果显示,四种模块在大多数基准上超越了原始SE模块及相关的空间-通道注意力变体,取得了多数最优结果。

待验证50%

全部知识事实 (5)

来源文章