论文学习One-shot Adversarial Attacks on Visual Tracking with Dual Attention

一、术语

1)Siamese network

对于整个数据集而言，在其基础上存在一定的样本量；但在具体到每个分类别时，则仅能获取有限数量的数据点。基于此，在使用传统的分类算法进行建模时会面临本质性的局限性：因为每个类别中的样本数量过少，在现有条件下难以训练出有效的模型；因此必须探索一种新的解决方案来进行这类问题的数据建模工作。经过研究发现并提出了一种称为Siamese网络的新架构设计：该网络通过学习得到一个衡量不同对象相似程度的标准；基于这一标准能够实现对新类别的识别与匹配任务。该方法特别适用于解决类别繁多或训练数据有限的情况

2)channel-wise

注意力机制主要包含两种类型：空间注意力（spatial attention）和通道式注意力（channel-wise attention）。在通道式注意力中，会对特征图中的每个通道（channel）赋予一个权重分值；而空间注意力则会赋予不同的权重值给各个通道。具体而言，在具有维度C×H×W的特征图中，在spatial attention中，在H×W平面内的权重分布通常是不同的；而在channel-wise attention中，则会在各个通道上赋予不同的权重系数。空间注意力主要用于定位对象所在的位置信息，在视觉感知任务中具有重要的应用价值；而通道式注意力则主要用于提取不同频次的信息特征，在深度