视频学习--《语义分割中的自注意力机制和低秩重建》

《语义分割中的自注意力机制和低秩重建》-李夏

视频链接

1. 语义分割（Semantic Segmentation）：对图像中的每个像素同时输出一个label

   全卷积网络：理论上感知域增大，实际有效感知域很小。

2. Nonlocal Network （对应自注意力机制）

   Non-local neural networks：为了推测某一位置上的物品信息，需要建立此位置和图像中所有点的关系，计算方法：

   

   f()为xi,xj的关系建模，C(x)是对f()的归一化，g(xj)是对参考像素的变换，相似度的其他选择：

   

   具体实现：

   

   复杂度为N*N*C

3. A^2-Nets

   A^2-Nets: Double Attention Networks

   

   与Nonlocal network对比（右图为nonlocal net,左图为A^2-Nets）：

   

   计算复杂度减小为 N*C*C

4. EM Attention Networks

   Expectation Maximization Attention Networks for Semantic Segmentation

   

   N为图像数量，C为输入feature map的维度，Z为映射矩阵，结构上实现：

   

5. Tricks for semantic segmentation

   Tricks that must work:

   • Not use Pytorch‘s official ResNet.
   • Avoid weight decay on BN and Conv‘s bias.
   • Use OHEM for test.
   • Interpolating with align_corners=True.
   • Set crop size as 8x+1.
   • Inference with sliding window on Cityscapes.
   • Inference with the whole image on PASCAL VOC.

   Tricks may work:

   • Use a 10 times larger lr at the segmentation head.

   • Training with warmup strategy.

视频学习--《语义分割中的自注意力机制和低秩重建》

原文：https://www.cnblogs.com/lixinhh/p/13502030.html