地铁司机的动作有重复率高、相似度大等特点，这易导致注意力崩溃。因而直接加深网络深度来提升准确率的方法会失效。为了解决深度时空注意力崩溃的问题，提出一种重时空注意力模型，该模型是在Re-attention机制和时空注意力的基础上改进而来。它能很好地解决网络因深度带来的性能饱和等问题。实验表明，重时空注意力在同深度的注意力网络上性能得到了5.5%的提升且不增加额外的计算量，解决了上述存在的问题。
科研之友
微信
新浪微博
Facebook
分享链接
