CSA-Net: チャンネル別空間自己相関注意ネットワーク

近年、チャンネルごとの特徴精製メカニズムを持つ畳み込みニューラルネットワーク（CNN）が、チャンネル依存性のモデル化に顕著な利点をもたらしています。しかし、現在の注意パラダイムでは、特徴マップ間の統計的および空間的関係を同時に利用できる最適なチャンネル記述子を推測することができません。本論文では、この欠点を克服するために、新しいチャンネル別空間自己相関（CSA）注意メカニズムを提案します。地理分析に触発された提案されたCSAは、特徴マップのチャンネル間の空間的関係を活用して、効果的なチャンネル記述子を生成します。私たちの知る限り、地理的空間分析の概念が深層CNNで利用されるのはこれが初めてです。提案するCSAは、深層モデルに対して無視できる学習パラメータと軽い計算オーバーヘッドを課しており、強力でありながら効率的な注意モジュールとしての選択肢となります。提案するCSAネットワーク（CSA-Nets）の有効性を、画像分類、物体検出、インスタンスセグメンテーションのためのImageNetおよびMS COCOベンチマークデータセットに対する広範な実験と分析を通じて検証しました。実験結果は、CSA-Netsがさまざまなベンチマークタスクおよびデータセットにおいて、競争力のあるパフォーマンスと優れた一般化を一貫して達成できることを示しています。