轴向深部实验室

Axial DeepLab:用于全景分割的独立轴向关注。卷积以丢失远程上下文为代价,利用局部性来提高效率。自我注意被用来增加非局部交互作用的cnn。最近的研究证明,通过将注意力限制在一个局部区域,可以堆叠自我注意层来获得一个完全注意的网络。在本文中,我们试图通过将二维自我注意分解为两个一维自我注意来消除这种限制。这降低了计算复杂性,并允许在更大甚至全局范围内执行注意力。在同伴中,我们也提出了一个位置敏感的自我注意设计。结合这两种方法产生了我们的位置敏感轴向注意层,一个新的构建块,人们可以堆叠形成轴向注意模型,用于图像分类和密集预测。我们在四个大规模的数据集上证明了我们的模型的有效性。特别是,我们的模型比ImageNet上现有的所有独立的自我注意模型都要好。我们的Axial DeepLab在COCO test-dev上比自下而上的最先进技术提高了2.8%的PQ。这一先前的最先进水平是通过我们的小变型实现的,它是3.8倍的参数效率和27倍的计算效率。Axial DeepLab还实现了地图远景和城市景观的最新成果。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换