注意力机制（Attention）Non-local Neural

2018CVPR的一篇论文，主要解决的问题是通过Non-local的方法扩大传统CNN，RNN方法的感知域（即传统的CNN一个像素点对应的输出只受其neighbor的影响，Non-local方法使每一点的输出受所有像素点的影响）。模型结构简单，效果提升显著，且可以方便的嵌入到现有网络中。对于一个视频信息在时间域，空间域都有提升：

example

输入数据X中每个点i对应的输出Y，通过下式求得：

上述过程可以理解为一个加权平均过程，其中函数看作对输入数据的预处理过程，函数f理解为数据各位置间的相关程度。文中给出了几个函数的实例，同时指出了最终效果对函数的选择的敏感度不高。

为简化函数g选择做一个线性的embedding，函数f采用以下实例：

Gaussian:              Embedded Gaussian:

Dot product:

Concatenation:

模型的功能可以通过一个残差块实现，残差块定义为,结构如下

A spacetime non-local block

文中还提到了一个subsample trick，在后加上一个最大池化层，可以有效地提升计算效率。

文章最后针对视频分类，图像识别，语义分割多个领域进行实验，加入残差块的网络都取得了很大性能提升，同时对加入的位置进行实验，得出加入残差块的位置在网络的浅层效果更加明显（自己理解是浅层的future map维度比较大，全局获得的信息更多）。