Apache_lin

16、EMSA模块 论文《ResT: An Efficient Transformer for Visual Recognition》 1、作用 ResT是一种高效的多尺度视...

Apache_lin

15、SCSE模块 论文《Concurrent Spatial and Channel `Squeeze & Excitation' in Fully Convolution...

Apache_lin

14、SKAttention模块 论文《Selective Kernel Networks》 1、作用 SK卷积可以根据输入特征的不同部分自适应地调整其感受野，这使得网络能够...

Apache_lin

13、EMA模块 论文《Efficient Multi-Scale Attention Module with Cross-Spatial Learning》 1、作用 论文...

Apache_lin

12、MSCA模块 论文《SegNeXt: Rethinking Convolutional Attention Design for Semantic Segmentati...

Apache_lin

11、ASFF模块 论文《Learning Spatial Fusion for Single-Shot Object Detection》 1、作用 ASFF (Adapt...

Apache_lin

10、S2Attention模块 论文《S2-MLPV2: IMPROVED SPATIAL-SHIFT MLP ARCHITECTURE FOR VISION》 1、作用 ...

Apache_lin

9、TripletAttention模块 论文《Rotate to Attend: Convolutional Triplet Attention Module》 1、作用 ...

Apache_lin

8、CoTAttention模块 论文《Contextual Transformer Networks for Visual Recognition》 1、 作用 Conte...

Apache_lin

论文《AXIAL ATTENTION IN MULTIDIMENSIONAL TRANSFORMERS》 1、作用 Axial Attention 提出了一种用于图像和其他作...

Apache_lin

6、ACmix模块 论文《On the Integration of Self-Attention and Convolution》 1、作用 ACmix设计为一个结合了卷积...

Apache_lin

5、SimAM模块 论文《SimAM: A Simple, Parameter-Free Attention Module for Convolutional Neural ...

Apache_lin

4、CoordAttention模块 论文《Coordinate Attention for Efficient Mobile Network Design》 1、作用 Co...

Apache_lin

论文《ECA-Net: Efficient Channel Attention for Deep Convolutional Neural Networks》 1、作用 EC...

Apache_lin

2、CBAM模块 论文《CBAM: Convolutional Block Attention Module》 1、作用 是为了提升前馈卷积神经网络性能而提出的一种简单而有效...

Apache_lin

1、SE Net模块 论文《Squeeze-and-Excitation Networks》 1、作用 SENet通过引入一个新的结构单元——“Squeeze-and-Exc...

Apache_lin

写在前面 深度学习的过程可以被比喻为一种创造性的搭建积木活动，其中每篇论文都像是一个独立且完整的机器人。在这个比喻中，每个研究者或学者都扮演着一个工程师的角色，他们的任务是构...