《Squeeze-and-Excitation Networks(SENet)》

解讀Squeeze-and-Excitation Networks(SENet) 動機 卷積神經網絡已被證明是解決各種視覺任務的有效模型。對於每個卷積層,沿着輸入通道學習一組濾波器來表達局部空間連接模式。 換句話說,期望卷積濾波器通過融合空間信息和信道信息進行信息組合,而受限於局部感受野。通過疊加一系列非線性和下采樣交織的卷積層,CNN能夠捕獲具有全局感受野的分層模式作爲強大的圖像描述。 最近的工
相關文章
相關標籤/搜索