Attention Mechanism in Computer Vision

• 2022 年 4 月 17 日
• 筆記
• CV技術指南

​

 前言 本文系統全面地介紹了Attention機制的不同類別，介紹了每個類別的原理、優缺點。

歡迎關注公眾號CV技術指南，專註於計算機視覺的技術總結、最新技術跟蹤、經典論文解讀、CV招聘信息。

概述

Attention機制目的在於聚焦有用的信息，並減少不重要信息的比重。Attention機制可以分為6大類，包括4個基礎類別和2個組合類別。4個基礎類別分別是通道注意力（channel attention），空間注意力（spatial attention），時間注意力（temporal attention），分支注意力（branch attention）。2個組合類別即通道與空間的組合，空間與時間的組合。

​

歡迎關注公眾號CV技術指南，專註於計算機視覺的技術總結、最新技術跟蹤、經典論文解讀、CV招聘信息。

CV技術指南創建了一個免費的知識星球。關注公眾號添加編輯的微信號可邀請加入。

​​

知識星球正在建設中，歡迎可以寫以下內容的成員聯繫我（微信號：FewDesire，ID:彷彿若有光）。添加前請備註「研究方向-地點-ID」

1. TVM入門到實踐的教程

2. TensorRT入門到實踐的教程

3. MNN入門到實踐的教程

4. 數字圖像處理與Opencv入門到實踐的教程(須包含數字圖像處理理論和opencv實踐)

5. OpenVINO入門到實踐的教程

6. libtorch入門到實踐的教程

7. Oneflow入門到實踐的教程

8. Detectron入門到實踐的教程

9. CUDA入門到實踐的教程

10. caffe源碼閱讀

11. pytorch源碼閱讀

12. 深度學習從入門到精通（從卷積神經網絡開始講起）

13. 最新頂會的解讀。例如最近的CVPR2022論文。

14. 各個方向的系統性綜述、主要模型發展演變、各個模型的創新思路和優缺點、代碼解析等。（分成多篇文章來寫，寫得太簡約不行，最好是一個重要模型一篇文章）

15. 若自己有想寫的且這上面沒提到的，可以跟我聯繫。

     

​