ResNet改进(7)：添加 SK注意力机制

1.SK 机制

SK注意力机制（Selective Kernel Attention）是一种用于计算机视觉任务的注意力机制，旨在增强卷积神经网络（CNN）的特征提取能力。它通过动态选择不同大小的卷积核来捕捉多尺度特征，从而提高模型对图像中不同尺度信息的感知能力。

SK注意力机制的核心思想

SK注意力机制的核心是通过自适应地选择卷积核的大小，使网络能够根据输入内容动态调整感受野，从而更好地捕捉多尺度特征。具体来说，它通过以下步骤实现：

1. 多分支卷积：使用多个不同大小的卷积核（如3x3和5x5）对输入特征图进行卷积操作，生成多尺度的特征图。

2. 特征融合：将多尺度的特征图进行融合（通常通过相加或拼接），得到一个综合的特征表示。

3. 注意力权重计算：

   • 使用全局平均池化（Global Average Pooling, GAP）对融合后的特征图进行压缩ÿ