resnet自注意力机制
时间: 2025-01-03 16:31:35 浏览: 9
### ResNet 中自注意力机制的应用与实现
#### 背景介绍
卷积神经网络(CNN),特别是ResNet,在计算机视觉领域取得了巨大成功。然而,随着数据集复杂度增加以及任务需求提升,传统 CNN 的表现逐渐遇到瓶颈。为了进一步增强模型表达能力和泛化性能,研究者们提出了多种改进方案,其中引入注意力机制成为一种有效途径。
#### 自注意力机制概述
自注意力机制允许模型聚焦于输入序列的不同位置上重要性各异的信息片段。对于图像处理而言,则意味着可以更精准地捕捉到局部区域内的语义关联性和全局上下文依赖关系。这种特性使得带有自注意力模块的网络能够在保持原有架构优势的同时获得更好的特征提取效果[^1]。
#### 应用于ResNet的具体方式
##### 通道注意力 (Channel Attention)
通过对不同通道之间的重要性进行建模来调整各层输出权重分布情况。具体来说就是在标准残差单元基础上加入了一个额外分支用来计算各个滤波器响应值所对应的加权系数向量 s(c),再将其乘回原图谱 Ftr得到最终输出 Otr=Ftr×s(c)。
```python
import torch.nn as nn
class ChannelAttention(nn.Module):
def __init__(self, in_planes, ratio=8):
super(ChannelAttention, self).__init__()
self.avg_pool = nn.AdaptiveAvgPool2d(1)
self.max_pool = nn.AdaptiveMaxPool2d(1)
self.fc1 = nn.Conv2d(in_planes, in_planes // ratio, 1, bias=False)
self.relu1 = nn.ReLU()
self.fc2 = nn.Conv2d(in_planes // ratio, in_planes, 1, bias=False)
self.sigmoid = nn.Sigmoid()
def forward(self, x):
avg_out = self.fc2(self.relu1(self.fc1(self.avg_pool(x))))
max_out = self.fc2(self.relu1(self.fc1(self.max_pool(x))))
out = avg_out + max_out
return self.sigmoid(out)
```
##### 空间注意力 (Spatial Attention)
除了考虑通道维度外还可以着眼于空间域内像素间的相互作用规律设计相应组件。该方法旨在突出显示那些具有较高贡献度的位置信息并抑制无关干扰项的影响程度。其基本思路是先分别沿高度方向 h 和宽度 w 对应求取均值 m(h,w) 及最大值 M(h,w),接着组合二者形成新的张量 T=[m;M],最后经由全连接层映射至单通道热力图 S∈R^(H×W)^ 并施加激活函数σ() 得到期望的空间掩码矩阵 A=sigma(T)。
```python
class SpatialAttention(nn.Module):
def __init__(self, kernel_size=7):
super(SpatialAttention, self).__init__()
assert kernel_size in (3, 7), 'kernel size must be 3 or 7'
padding = 3 if kernel_size == 7 else 1
self.conv1 = nn.Conv2d(2, 1, kernel_size, padding=padding, bias=False)
self.sigmoid = nn.Sigmoid()
def forward(self, x):
avg_out = torch.mean(x, dim=1, keepdim=True)
max_out, _ = torch.max(x, dim=1, keepdim=True)
x = torch.cat([avg_out, max_out], dim=1)
x = self.conv1(x)
return self.sigmoid(x)
```
##### Split-Attention Networks (ResNeSt)
作为另一种创新性的尝试,Split-Attention Networks 提出了一个新的视角去理解如何构建高效的多尺度表征学习框架。不同于以往简单堆叠多个相同大小的感受野路径的做法,此版本巧妙地将单一卷积操作拆解成若干组平行子流,并赋予每条支路独立可调参数集合 Wg 。之后借助分组策略聚合所有候选表示 z_g ,并通过 softmax 函数选出最优解 y* 来指导后续决策过程 [^2]。
```python
from functools import partial
from timm.models.layers import DropPath, trunc_normal_
def conv_bn(in_channels, out_channels, kernel_size, stride, padding, groups=1):
result = nn.Sequential()
result.add_module('conv', nn.Conv2d(in_channels=in_channels, out_channels=out_channels,
kernel_size=kernel_size, stride=stride, padding=padding, groups=groups, bias=False))
result.add_module('bn', nn.BatchNorm2d(num_features=out_channels))
return result
class RSoftmax(nn.Module):
def __init__(self, radix, cardinality):
super().__init__()
self.radix = radix
self.cardinality = cardinality
def forward(self, x):
batch = x.size(0)
if self.radix > 1:
x = x.view(batch, self.cardinality*self.radix, -1).transpose(1, 2).contiguous()
x = F.softmax(x, dim=1)
x = x.reshape(batch, -1, self.cardinality * self.radix)
else:
x = torch.sigmoid(x)
return x
# 更完整的ResNeSt定义省略...
```
阅读全文