OUC AI Lab 第六章：基于卷积的注意力机制

OUC AI Lab 第六章：基于卷积的注意力机制
详解深度学习的中的即插即用模块
1.SENet
SENet在第四章已经学习过了

2.Non-local Neural Networks模块

网络中的注意力模块如图所示，事实上这个模块非常像transformer里的注意力机制，其中的θ，Φ和g就相当于是transformer中的q、k、v，有关transformer的内容在下一章再介绍。在这里，x就是经过各种网络的特征，形状为[T,H,W,1024]，将这个x分三份分别经过θ，Φ和g这三个1x1的卷积层就得到了我们想要的三个特征，在transformer中，经过θ得到的每一行向量可以理解为“我在找什么”，例如输入的是”我去上学”，经过θ后“我”会对应着1024维的向量，其中每一维可以理解为“我在找什么”，例如第一维是“我周围有名词吗？”，第二维是“我周围有动词吗？”

经过Φ得到的每一行向量可以理解为每个字携带的信息，而经过reshape的这两个矩阵相称就可以得到一个相似性矩阵，softmax后再乘g，就相当于进行了加权聚合，这时每个位置的特征都融入了所有其他相关位置的信息，实现了长距离依赖的建模。

我认为transformer最厉害的创新点就在于使每个词都能看到整个句子中的所有词，经过两个相乘将位置信息，上下文信息和内容信息都看到了。

3. CBAM

上图中右侧是普通的卷积神经网络，每个卷积核中有in channel个分别对输入的channel进行卷积，然后想加得到一个channel
而CBAM主要是考虑到在普通卷积网络中各个channel间的信息没有很好的交流，所以设计了两个模块，channel Attention Module就类似于SENet，不过SENet只用了平均池化，而这里分别在channel纬度上进行平均池化和最大池化，也就是将[batch,channel,h,w]变为[batch,channel,1,1]，然后经过变化相加softamat，最后乘到input feature上就完成了
Spatial Attention Module 是在空间纬度上进行平均池化和最大池化，将原本[batch,channel,h,w]变为[batch,1,h,w]，拼接后使用in_channel=2，out_channel=1的卷积层，再乘到input feature上就完成了。

4. DANet

Dual Attention Network也非常简单，你要问思想是什么，那就是对CBAM的改进，CBAM是并行，先计算通道纬度的注意力，再计算空间纬度的注意力，那么这个网络就是并行的计算注意力。
如何计算的也非常简单，上图中的A就是将形状为[batch,channel,h,w]的输入分为三份B，C和D，全部reshape为[batch,channel,h＊w]。
B再调整为[batch,h＊w,channel]，乘C，得到[batch,h＊w,h＊w]，D再乘这个结果，得到[batch,channel,h＊w]，再次reshape恢复到原来的纬度
B这个模块就是把一开始相乘的顺序改成了[batch,channel,h＊w]乘[batch,channel,h＊w]。