论文名称:SimAM: A Simple, Parameter-Free Attention Module for Convolutional Neural Networks
介绍
本文提出了一种简单有效的3D注意力模块,基于著名的神经科学理论,提出了一种能量函数,并且推导出其快速解析解,能够为每一个神经元分配权重。主要贡献如下:
- 受人脑注意机制的启发,我们提出了一个具有3D权重的注意模块,并设计了一个能量函数来计算权重;
- 推导了能量函数的封闭形式的解,加速了权重计算,并保持整个模块的轻量;
- 将该模块嵌入到现有ConvNet中在不同任务上进行了灵活性与有效性的验证。