点击上方“小白学视觉”，选择加"星标"或“置顶”
重磅干货，第一时间送达
【导读】本资源介绍了以下3个方面：1)如何在图像上应用CNN attention。2）神经机器翻译中的注意机制。3）在图像配图中应用attention和双随机正则化。
在这节课中，我们学习深度学习模型注意图像的哪些部分。根据我们在网络中的深度，我们可以学习不同层次的注意力图。
Attention in image captioning
传统的图像字幕模型体系结构存在瓶颈问题。通常，我们使用一个预先训练的模型来提取固定的特征，这些特征被直接提供给一个RNN模型来生成标题。然而，随着时间的推移，这种表现会影响字幕的效果，因为我们把图像看作一个整体，而不是局部。注意力背后的基本思想是迫使模型为图像的不同部分分配权重，这使得字幕处理更加有效。
地址连接：
https://github.com/zaidalyafeai/AttentioNN
下载1：OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。交流群
欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~
