科研之友
微信
新浪微博
Facebook
分享链接
摘要
卷积神经网络一般被用于特征提取，它通过提取图像底层的点、线、面的几何特征，进而映射到高层的语义特征，然而传统的卷积网络只对输入的样本进行宽泛的特征提取，而不会刻意去区分图像的前景和后景，这使得模型提取到的特征包含大量的背景噪声，降低了模型的表征能力。在空间注意力的基础上，提出了一种名为特征增强网络(FA-block)的卷积网络分支，这种网络结构从样本的掩膜中学习目标的空间分布，为原始特征图上的每一个像素点训练得到代表重要程度的权重，然后通过加权的方式突出特征图中的目标部位。此方法旨在抑制背景噪声，增强待学习的目标特征，让主干网络提取到的特征更加纯净。在PASCAL VOC数据集上的实验证明了FA-block的有效性，最后经过MS COCO数据集的验证，FA-block使得Faster Rcnn基线的性能提高了5.5%。
- 单位
