ResNet改进:SE模块和多尺度模块两次改进
目录
1. SE 模块
2. MultiScaleBlock
3. 改进
Tips:融入模块后的网络经过测试,可以直接使用,设置好输入和输出的图片维度即可
1. SE 模块
SE(Squeeze-and-Excitation)模块是一种轻量级的注意力机制,最初由Momenta和牛津大学的研究者在2017年提出,并在2018年的CVPR会议上发表。它通过显式建模通道间的相互依赖关系,自适应地重新校准通道特征响应,显著提升了多种卷积神经网络的性能。
核心思想
SE模块的核心思想是让网络能够学习到不同通道特征的重要性,并据此增强有用特征、抑制无用特征。它通过以下两个主要操作实现:
-
Squeeze操作:压缩空间信息,获取全局感受野
-
Excitation操作