FcaNet: Frequency Channel Attention Networks 论文链接：https://arxiv.org/abs/2012.11879 作者单位：浙江大学（李玺团队） 本文提出具有新的多光谱通道注意力的FcaNet，在分类、检测和分割任务上，性能优于SENet、CBAM和GCNet等主干，代码和模型即将开源！

注意力机制，尤其是通道注意力，在计算机视觉领域取得了巨大的成功。许多工作专注于如何设计有效的通道注意力机制，同时忽略一个基本问题，即使用全局平均池（GAP）作为毫无疑问的预处理方法。在这项工作中，我们从不同的角度出发，并使用frequency analysis重新考虑通道的注意力。基于频率分析，我们在数学上证明了传统的GAP是频域中特征分解的特例。有了证明，我们自然地在频域上概括了通道注意力机制的预处理，并提出了具有新颖的多光谱通道注意力的FcaNet。所提出的方法简单但有效。我们只在计算中更改一行代码，以在现有通道注意力方法中实施我们的方法。此外，与其他在图像分类，目标检测和实例分割任务上的通道注意力方法相比，该方法可实现最新的结果。与基线SENet-50相比，在相同数量的参数和相同的计算成本的情况下，我们的方法在ImageNet上的Top-1准确性方面可提高1.8％。我们的代码和模型将公开提供。

内容中包含的图片若涉及版权问题，请及时与我们联系删除