resnet152添加注意力机制

添加注意力机制是一种在ResNet152中引入的改进方法。通过在多个尺度的特征层输出上增加注意力机制，可以提升网络对于重要特征的关注度，并从全局角度获得更全面的信息。这种方法可以通过编写一个基类，然后在子类中实现具体的注意力机制来实现。这样的设计可以使子类只需要关注实现注意力机制的部分，而不需要关注其他的细节。

自注意力机制是一种在卷积网络中使用的一种方法，它与卷积网络的深度关系不大，即使网络不是很深，也能够达到类似的性能。这是因为自注意力机制直接关注全局的信息，能够更好地捕捉到全局上的重要特征。作者通过实验证明了这一点。

然而，虽然自注意力机制在目标检测领域中有很大的潜力，但是由于输入图像的尺寸通常较大，比如1024像素，相比于图像分类中的224像素，显存和计算量的消耗会成倍增长，导致训练和测试的效率过低，不切实际。因此，并不适合将全部的卷积替换成注意力机制。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [MMDetection中对Resnet增加注意力机制Attention的简单方法](https://blog.csdn.net/qq_21904447/article/details/129762735)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
- *2* *3* [将注意力机制引入ResNet，视觉领域涨点技巧来了！附使用方法](https://blog.csdn.net/m0_37169880/article/details/114875856)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]