注意力机制论文 --- RADC-Net: A residual attention based convolution network for aerial scene classification

最近找了十几篇神经网络注意力机制的论文大概读了一下。这篇博客记录一下其中一篇，这篇论文大概只看了摘要，方法和参数初始化部分。文中提出RADC-Net(residual attention based dense connected convolutional neural network)，网络中由三种结构组成，密集连接结构(dense connection structure)、残差注意力块(residual attention block)、增强分类层(enchanced classification layer)。密集连接结构能够提取明显的特征，残差注意力快可以增强局部语义信息，增强分类层可以进一步提取提炼被提取的卷积特征和局部语义信息。本文是做航拍图片的分类，因为航拍图是从天空的视角看的，因此更加的需要注重局部特征，在最后的增强分类层中也添加了卷积层来注重局部特征。本文中感觉最有意思的地方就是使用了密集连接结构。之前看过密集连接网络。但是却没有想到过用在这个上面过，密集连接结构更多的也是为了能够不让前面的特征消失。也是为了提取出来的特征所准备的。其中的残差注意力层，因为空间注意力会出现隔断CNN训练过程的问题，所以将之与残差网络进行结合形成残差注意力块。

dense connection structure

密集连接结构，图1展示了密集连接结构的组成成分，分别有合成函数(composite function)、dense block(密集块)、过渡层(transition layer)、分类层(classification layer)。一般的密集网络中密集块里面有十个合成函数。在整体的结构中一共含有三个密集连接结构，并且每个密集块中都只有三个合成函数，这样是为了减少参数并且还有提取特征的能力，因为密集块中每一层都是前面所有层的输出作为它的输入，因而密集块保住了低中层的特征。当然在此网络中只有dense block，没有过渡层和分类层，密集块中是三个1X1卷积和3X3卷积。

图1. 密集连接结构

residual attention block

残差注意力结构，这里加入的残差可以解决空间注意力隔断CNN训练过程的问题，先用batch normalization来正则化输入的卷积特征，再使用1X1卷积将之变成一个通道，之后使用ReLu具有非线性的特征，之后将之与输入的数据点乘，最后使用softmax对之正则化。这里使用的就是一个1X1的卷积操作来融合了。ReLu虽然俩段是线性的，但是加起来就是非线性的。

图2. 残差注意力块

在残差注意力块之后，都是使用下采样，也就是池化，以此让训练过程持续进行下去。

enchanced classification layer

增强分类层，一般而言，CNN最后的分类层都是全连接和softmax层，但是这里为了更加突出局部特征，也是因为有的数据会有类内可能不同，类间可能相似的特点，最后还会增加额外的卷积层，整体结构可以用公式如下所示：

[ X_f = W_f^{1X1Xl}otimes(W_A^{7X7Xh}otimes(ReLU(W_1^{1X1Xh}otimes X^{7X7Xh}+b_1^{1X1Xh}))) + b_f^{1X1Xl} ]

这其中的(W_f^{1X1Xl})表示1X1卷积操作，(W_A^{7X7Xh})表示全局平均池化。这其中有很多参数，能够完全的描述高层特征，并且使用ReLU使之从线性转换成非线性。

图3. 增强分类层

总体结构

整体的网络结如下图所示：

图4. 总体结构

具体的可用表格信息表示出来：

个人感觉这篇文章在提取图片局部信息上下足了功夫，三种结构都是为了提取图片的局部信息的，并且还使用了密集连接结构来增强局部特征的作用。文中对三种卷积连接方式做出了公式表示，个人感觉还挺好，分别是一般的CNN，残差CNN和密集连接CNN

[X_l = H(X_{l-1}) ]

[X_l = H(X_{l-1})+X_{l-1} ]

[X_l = H(X_0,X_1,dots,X_{l-1}) ]