关于移动网络设计的最新研究表明，通道注意（例如，挤压和激发注意）对于提升模型性能具有显着效果，但它们通常会忽略位置信息，这对于生成空间选择性注意图非常重要。在本文中，我们通过将位置信息嵌入到频道关注中提出了一种新颖的移动网络关注机制，我们将其称为“协调关注”。与通过2D全局池将特征张量转换为单个特征向量的通道关注不同，坐标关注将通道关注分解为两个1D特征编码过程，分别沿两个空间方向聚合特征。这样，可以沿一个空间方向捕获远程依赖关系，同时可以沿另一空间方向保留精确的位置信息。然后将生成的特征图分别编码为一对方向感知和位置敏感的注意图，可以将其互补地应用于输入特征图，以增强关注对象的表示。我们的协调注意力很简单，可以灵活地插入到经典的移动网络中，例如MobileNetV2，MobileNeXt和EfficientNet，而几乎没有计算开销。大量实验表明，我们的协调注意力不仅有益于ImageNet分类，而且更有趣的是，它在下游任务（如对象检测和语义分段）中表现更好。可以在https：// github上找到代码。



"点击查看英文标题和摘要"