SENet与eSE模块

秉着“画了个图不能白画”的心态，我来更新博客了。

参考论文：
Hu J , Shen L , Albanie S , et al. Squeeze-and-Excitation Networks[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2017.
Lee Y , Park J . CenterMask : Real-Time Anchor-Free Instance Segmentation[J]. 2019.

SE模块中，为了避免模型过于复杂，两个FC层（全连接层）需要减小通道数量。第一FC层使用缩小率r将输入特征通道C减少到C/r，第二FC层将缩小的通道扩展为C，这会导致通道信息丢失。
而eSE仅使用一个具有C通道的FC层，而不使用降低通道尺寸的两个FC，从而维护了通道信息，从而提高了性能。

参考博客：
【实例分割】论文阅读-CenterMask: Real-Time Anchor-Free Instance Segmentation
https://blog.csdn.net/Jeremy_lf/article/details/106765676
《CenterMask：Real-Time Anchor-Free Instance Segmentation》论文笔记
https://blog.csdn.net/m_buddy/article/details/103537931

SENet与eSE模块相关推荐

SEnet 通道注意力模块
SEnet 通道注意力模块开篇一张图: 变量和图片解释: 三个正方体:特征向量,比如说图像的特征,H表示图片高度.W表示图片宽.C表示通道(黑白1通道.彩色3通道) 字母: X表示输入特征: Ftr ...
从LeNet到SENet——卷积神经网络回顾
从LeNet到SENet--卷积神经网络回顾从 1998 年经典的 LeNet,到 2012 年历史性的 AlexNet,之后深度学习进入了蓬勃发展阶段,百花齐放,大放异彩,出现了各式各样的不同网络 ...
视觉注意力机制——SENet、CBAM、SKNet
注意力机制(Attentional Mechanism) 通常将软注意力机制中的模型结构分为三大注意力域来分析: 空间域空间域--将图片中的的空间域信息做对应的空间变换,从而能将关键的信息提取出来. ...
SENet（2017）
卷积核作为卷积神经网络的核心,通常被看作是在局部感受野上,将空间上(spatial)的信息和特征维度上(channel-wise)的信息进行聚合的信息聚合体.卷积神经网络由一系列卷积层.非线性层和下采 ...
ese如何实现支付 nfc_基于nfc的支付方法、基于nfc的支付系统和终端的制作方法...
基于nfc的支付方法.基于nfc的支付系统和终端的制作方法 [技术领域] [0001]本发明涉及通信技术领域,具体而言,涉及一种基于NFC的支付方法.一种基于NFC的支付系统和一种终端. [背景技术] ...
VoVNet：实时目标检测的新backbone网络
目前基于深度学习的目标检测模型无不依赖CNN分类网络来作为特征提取器,如SSD采用VGG,YOLO采用DarkNet,Faster R-CNN采用ResNet,我们一般称这些网络为目标检测模型的bac ...
VoVNet：实时目标检测 backbone网络
原文:https://mp.weixin.qq.com/s?__biz=MzUyMjE2MTE0Mw==&mid=2247489263&idx=1&sn=2001632f3ab ...
VoVNet、VarGNet、PeleeNet：轻量级实时网络（嵌入端）
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达作者丨Tom Hardy@知乎来源丨https://zhuanlan.zhihu.com/p/317 ...
号称超过yolox和yolov5的PP-YoLoE
PP-YoLoE | PP-YoLov2全面升级Anchor-Free,速度精度完美超越YoLoX和YoLov5 PP-YOLOE是基于PP-YOLOv2的卓越的单阶段Anchor-free模型,超越 ...

SENet与eSE模块

SENet与eSE模块相关推荐

最新文章

热门文章