计算机视觉中的注意力相关论文

1、The Application of Two-level Attention Models in Deep Convolutional Neural Network for Fine-grained Image Classification

地址：https://arxiv.org/pdf/1411.6447.pdf

object-level和part-level两个级别分别对图像进行分类，将得到的分数相加综合后得到最后的分类结果。

2、Spatial Transformer Networks

通过注意力机制，将原始图片中的空间信息变换到另一个空间中并保留了关键信息。

3、 Squeeze-and-Excitation Networks

通道注意力机制。

4、Residual Attention Network for Image Classification

5、non-locla neural networks

CNN中的 convolution单元每次只关注邻域 kernel size 的区域，就算后期感受野越来越大，终究还是局部区域的运算，这样就忽略了全局其他片区（比如很远的像素）对当前区域的贡献。

6、interaction-ware attention

7、CBAM: Convolutional Block Attention Module

空间注意力和通道注意力混合。

8、DANet：Dual Attention Network for Scene Segmentation

9、Criss-Cross Attention for Semantic Segmentation

10、OCNet: Object Context Network for Scene Parsing

11、GCNet:Non-local Networks Meet Squeeze-Excitation Networks and Beyond

12、attention augmented convolutional networks

13、PAN: Pyramid Attention Network for Semantic Segmentation

14、 Fully Convolutional Attention Networks for Fine-Grained Recognition

15、BAM: Bottleneck Attention Module

16、selective kernel networks