（附代码）CVPR2021|一个高效的金字塔切分注意力模块PSA-技术圈

点击左上方蓝字关注我们

全网搜集目标检测相关，人工筛选最优价值内容

编者荐语

文章介绍了一个考虑全局空间信息的注意力模块，Pyramid Split Attention (PSA)。PSA具备即插即用、轻量、简单高效的特点。该模块与ResNet结合，通过PSA替代ResNet的bottleneck中的3x3卷积，组成了EPSANet。

EPSANet用于图像识别，比SENet top-1acc高了1.93%。PSA用在Mask RCNN上，目标检测高了2.7 box AP，实例分割高了1.7 mask AP。

论文：

https://arxiv.org/pdf/2105.14447v1.pdf

代码：

https://github.com/murufeng/EPSANet

本文出发点

1. SE仅仅考虑了通道注意力，忽略了空间注意力。

2. BAM和CBAM考虑了通道注意力和空间注意力，但仍存在两个最重要的缺点：(1)没有捕获不同尺度的空间信息来丰富特征空间。(2)空间注意力仅仅考虑了局部区域的信息，而无法建立远距离的依赖。

3. 后续出现的PyConv，Res2Net和HS-ResNet都用于解决CBAM的这两个缺点，但计算量太大。

基于以上三点分析，本文提出了Pyramid Split Attention。

主要操作：将input tensor从通道上分成S组。每一组进行不同卷积核大小的卷积，以获取不同尺度的感受野，提取不同尺度的信息。再通过SE模块，提取每组的通道的加权值，最后对S组的加权值进行softmax归一化并加权。

具体将input tensor分成S组，并对每组进行不同卷积的SPC模块如下图所示。

SPC先将input tensor分成S组，每组的卷积核大小依次增大，如k=3,5,7,9。考虑到当卷积核比较大时，计算量也大，因此，对每一组再进行分组卷积，具体分组数量G = exp(2,(k-1)/2)，即2的(k-1)/2次幂。当K = 3,5,7,9时，G=1，2，3，4。

在经过不同大小的卷积后，在通道上拼接。

经过SPC模块后，PSA再将SPC模块的输出通过SE Weight Module获得通道注意力值，这样做的目的是获得不同尺度特征图的注意力权值。

通过这样的做法，PSA融合了不同尺度的上下文信息，并产生了更好的像素级注意力。

最后将每组通道注意力权值拼接，进行softmax归一化，对SPC模块的输出进行加权。

完整的PSA模块如下图所示。

这里补充一下pyramid split attention中的pyramid。在《特征金字塔技术总结》中介绍了特征金字塔的两种构建方式，其中一种就是通过不同大小卷积核的卷积来构建特征金字塔。因此，这里PSA中的Pyramid是由SPC模块中的每组不同大小卷积核的卷积所构建。

如上图所示，将PSA替代ResNet的bottleneck中的3x3卷积，再堆叠几个这样的模块就构成了EPSANet，这里的E，指的是efficient。

网络设计如下图所示。

EPSANet用于图像识别，比SENet top-1acc高了1.93%。PSA用在Mask RCNN上，目标检测高了2.7 box AP，实例分割高了1.7 mask AP。

以ResNet-50和ResNet-101为backbone，加入各种注意力模块的图像识别效果对比

END

双一流大学研究生团队创建，专注于目标检测与深度学习，希望可以将分享变成一种习惯！

整理不易，点赞三连↓