讲座人：应苏蓉 博士生
题目： 基于注意力结构的领域泛化方法
时间：2024年9月17日10: 00-11: 00
地点：L1717

讲座内容：

  尽管深度卷积神经网络在许多应用中取得了优异的进展，但当模型遇到具有不同数据分布的新领域时，其性能会显著下降。领域泛化的目的就是解决领域偏差问题，期望能够学习到能够很好地泛化到未知领域的模型。相比于让模型学习到的所有特征都是域不变的，将领域不变特征从纠缠的特征中分离出来是一个更实际的任务。所以，我们提出了一种新的基于注意力结构的领域泛化方法。该方法由两部分组成：1）提出了通道注意力压缩模块，旨在筛选出具有判别性的鲁棒的通道特征。2）提出了空间注意力多样化模块，将筛选出的重要通道对应到特征图上不同的空间特征。实验结果表明，我们所提出方法在各个数据集上优于现有方法。