GAIN [CVPR18]

GAIN

---

paper: Tell Me Where to Look: Guided Attention Inference Network

本文是基于SEC算法进行的改进，在SEC的基础上提升了5个百分点左右。
这篇文章…感觉没有什么创新…其实就是类似对抗擦除的思路，将第一次识别出来的区域进行遮挡，强迫神经网络找出所有能用于识别类别的信息。
结构如下:

1. 输入图像$I$I，经过DCNN得到识别的attention maps和类别的置信度。我们希望这个置信度越匹配label越好。
2. 将识别处的区域进行擦除，对应途中的soft mask操作，将擦除后的图像在送入该网络，得到类别的置信度。我们希望擦除后的图像不在具有类别的信息，所以这里我们希望每个类别的置信度都尽可能小(趋紧于0)。

Classification Loss:预测结果于label的交叉熵。
Attention Mining Loss: $L_{a m}=\frac{1}{n} \sum_{c} s^{c}\left(I^{* c}\right)$Lam​=n1​∑c​sc(I∗c)

addition

图中获得Attention map的方式是基于Grad-CAM的。
两个loss的权重是相同的。

performance

VOC12 val	VOC12 test
55.3	56.8