Squeeze-and-Excitation_Networks

這篇文章主要介紹了一個小的SE模塊，爲模型引入channel-wise的注意力機制：就是爲每個channel學習一個權重，到時候把學習到的權重和feature map各個通道分別相乘，重新標定特徵 這裏引用作者的解釋： 這裏我們使用 global average pooling 作爲 Squeeze 操作。緊接着兩個 Fully Connected 層組成一個 Bottleneck 結構去建模通道

>>阅读原文<<