资源|深度学习注意力机制TensorFlow 使用教程

小白学视觉

共 1000字,需浏览 2分钟

 ·

2022-03-23 10:41


点击上方小白学视觉”,选择加"星标"或“置顶

重磅干货,第一时间送达

【导读】本资源介绍了以下3个方面:1)如何在图像上应用CNN attention。2)神经机器翻译中的注意机制。3)在图像配图中应用attention和双随机正则化。


No.1

总体目录



No.2

Attention maps


      在这节课中,我们学习深度学习模型注意图像的哪些部分。根据我们在网络中的深度,我们可以学习不同层次的注意力图。


No.3

Attention in image captioning


      传统的图像字幕模型体系结构存在瓶颈问题。通常,我们使用一个预先训练的模型来提取固定的特征,这些特征被直接提供给一个RNN模型来生成标题。然而,随着时间的推移,这种表现会影响字幕的效果,因为我们把图像看作一个整体,而不是局部。注意力背后的基本思想是迫使模型为图像的不同部分分配权重,这使得字幕处理更加有效。

地址连接:

https://github.com/zaidalyafeai/AttentioNN


下载1:OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复:扩展模块中文教程即可下载全网第一份OpenCV扩展模块教程中文版,涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2:Python视觉实战项目52讲
小白学视觉公众号后台回复:Python视觉实战项目即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目,助力快速学校计算机视觉。

下载3:OpenCV实战项目20讲
小白学视觉公众号后台回复:OpenCV实战项目20讲即可下载含有20个基于OpenCV实现20个实战项目,实现OpenCV学习进阶。

交流群


欢迎加入公众号读者群一起和同行交流,目前有SLAM、三维视觉、传感器自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN算法竞赛等微信群(以后会逐渐细分),请扫描下面微信号加群,备注:”昵称+学校/公司+研究方向“,例如:”张三 + 上海交大 + 视觉SLAM“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告,否则会请出群,谢谢理解~


浏览 21
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报