动机

目前的方法中，都会将图像转化为高度为1的高级特征向量，这样的矢量可能包含不必要的噪声，文章提出了
有效的零件注意力网络（EPAN)，用于

论文方法

编码部分

使用了CNN（Resnet),每一行进行编码，最后合并为一行

解码部分

glimpse attention

其中 e表示attention的分数。

其中F是编码部分的输出，r是上一时刻的lstm的输出

其中emb表示上一时刻输出的词向量，ht-1是上一时刻的lstm的输出

Refinement network.

其中A是 glimpse 得到的注意力掩码

与glimpse attention一样

其中gt是 上文计算得到的上下文信息，Ft是进过掩码的特征向量

新的上下文是特征向量

损失函数

实验结果