2021年8月28日，团队成员廖政飞参加了International Conference on Neural Computing for Advanced Applications 2021线上会议，并分享了论文Semantic Segmentation via Efficient Attention Augmented Convolutional Networks。

语义分割是计算机视觉的基本任务之一，其目的是给图像中的每一个像素指定一个类别，从而将图像分割成含有特定语义的几个区域。语义分割在场景理解、无人驾驶、机器人感知等领域有广泛的应用前景。卷积神经网络是语义分割任务依赖的主要框架，其利用卷积层提取图像中的语义信息。然而卷积层仅在输入的局部区域进行运算，难以获取图像的全局信息；而注意力机制可以同时对输入的所有元素进行运算，从而获取图像的全局信息。本文提出了高效注意力增强卷积模块，该模块结合了高效注意力机制、纵横注意力机制以及卷积操作，以增强卷积神经网络提取全局上下文信息的能力。通过将全卷积网络中的相应卷积层替换为高效注意力增强模块，得到了高效注意力增强网络。在PASCAL VOC 2012语义分割数据集上的实验结果显示，所有增强网络的性能优于相应的基准网络。实验结果证明了高效注意力增强卷积模块的有效性。

本文所提出的模块框架：

Diagram of effiffifficient attention augmented convolution module