1224
# 2021.12.24
# 今日任务
- 训练SCANet网络
- 验证多波段通道注意力的作用![7d1f78031203e8b86b91344de76513b](C:\Users\ADMINI~1\AppData\Local\Temp\WeChat Files\7d1f78031203e8b86b91344de76513b.jpg)
- 原理:维度为(S,C,B,H,W)做注意力得到的(S,C,B,1,1)【SCANet】,表示的是对应每个特征通道的不同波段的重要性,如果当前特征是无用的,那么此通道特征求得的注意力就是无意义的。为了弥补这个问题,可以先做(S,C,1,1,1)的注意力,再做(S,C,B,1,1)注意力,但是参数量和显存就会大很多。而(S,B,C,H,W)做注意力得到的(S,B,C,1,1)【SSANet】,表示的是对应波段下某些特征通道的重要性。
- 添加SSIM Loss 效果会不会更好?
- 将可训练的稀疏编码网络放入我们框架进行训练,还在调试中
方法 | ICVL30 | ICVL50 | ICVL70 | Blind | non.i.i.d | strip | deadline | impulse | mixture |
---|---|---|---|---|---|---|---|---|---|
QRNN3D | 42.28/0.973 | 40.23/0.961 | 38.57/0.945 | 41.5/0.967 | 42.79/0.978 | 42.35/0.976 | 42.23/0.976 | 39.23/0.945 | 38.25/0.938 |
SSANet (37 epoch) | 41.92/0.9878 | 40.12/0.985 | 38.66/0.975 | 41.33/0.985 | 43.383/0.9924 | 43.217/0.9921 | 43.38/0.9924 | 41.213/0.9805 | 40.452/0.98 |
SCANet(40 epoch) | 41.33/0.9868 | 39.48/0.9805 | 37.97/0.973 | 40.72/0.984 | 42.792/0.9916 | 42.629/0.9914 | 42.805/0.9918 | 40.597/0.9787 | 39.759/0.9769 |
编辑 (opens new window)