SEnet论文学习

  SEnet是Momenta(一家国内专注于自动驾驶的公司)在ImageNet2017分类任务上夺冠的网络。ImageNet2017是最后一届ImageNet竞赛，SEnet有了很大的提高。

  论文地址：https://arxiv.org/abs/1709.01507

  github代码地址：https://github.com/hujie-frank/SENet

  神经网络中的卷积层就是一组滤波器表示对通道相邻空间域的连通模式，即在局部感受野中融合空间和通道的信息。因此产生一个问题，即不同通道的连接仅仅是受到局部感受野的控制，其仅受局部特征的影响而忽略了全局特征。而本文提出了Squeeze-and-Excitation block就是用来解决这一问题。

  本文提出的Squeeze-and-Excitation block有三部分组成，分别是Squeeze，Excitation和transform

图1 Squeeze-and-Excitation block示意图，H,W代表卷积层的尺寸，C代表卷积层的通道数

1.  Squeeze: Global Information Embe