标签：教程 入门 Attention 实践 Mechanism 类别 CV Vision
前言 本文系统全面地介绍了Attention机制的不同类别，介绍了每个类别的原理、优缺点。
欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。
概述
Attention机制目的在于聚焦有用的信息，并减少不重要信息的比重。Attention机制可以分为6大类，包括4个基础类别和2个组合类别。4个基础类别分别是通道注意力（channel attention），空间注意力（spatial attention），时间注意力（temporal attention），分支注意力（branch attention）。2个组合类别即通道与空间的组合，空间与时间的组合。
欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。
CV技术指南创建了一个免费的知识星球。关注公众号添加编辑的微信号可邀请加入。
知识星球正在建设中，欢迎可以写以下内容的成员联系我（微信号：FewDesire，ID:仿佛若有光）。添加前请备注“研究方向-地点-ID”
-
TVM入门到实践的教程
-
TensorRT入门到实践的教程
-
MNN入门到实践的教程
-
数字图像处理与Opencv入门到实践的教程(须包含数字图像处理理论和opencv实践)
-
OpenVINO入门到实践的教程
-
libtorch入门到实践的教程
-
Oneflow入门到实践的教程
-
Detectron入门到实践的教程
-
CUDA入门到实践的教程
-
caffe源码阅读
-
pytorch源码阅读
-
深度学习从入门到精通（从卷积神经网络开始讲起）
-
最新顶会的解读。例如最近的CVPR2022论文。
-
各个方向的系统性综述、主要模型发展演变、各个模型的创新思路和优缺点、代码解析等。（分成多篇文章来写，写得太简约不行，最好是一个重要模型一篇文章）
-
若自己有想写的且这上面没提到的，可以跟我联系。
标签：教程,入门,Attention,实践,Mechanism,类别,CV,Vision 来源： https://www.cnblogs.com/wxkang/p/16155456.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。