注意力机制——ECANet及Mobilenetv2模型应用

一、介绍
ECANet（CVPR 2020）作为一种轻量级的注意力机制，其实也是通道注意力机制的一种实现形式。其论文和开源代码为：
论文地址：https://arxiv.org/abs/1910.03151
代码：https://github.com/BangguWu/ECANet
ECA模块，去除了原来SE模块中的全连接层，直接在全局平均池化之后的特征上通过一个1D卷积进行学习。
具体的讲：通过共享相同的学习参数，通过内核大小为k的1维卷积来实现通道之间的信息交互：（一维卷积和1 × 1 卷积是不同的，一维指的是1 × k 的卷积）
ECA-Net可以插入到其他CNN网络中来增强其性能，比如：插入到ResNet、MobileNetV2中。本文主要将ECA模块加入到Mobilenetv2的残差堆叠块中。
文中同样附上SENet的嵌入代码（已注释），如有需要，可进行比较；因项目需要转换caffe模型（具体torch如何转，请看之前的博文），经测试SENet虽然转换成功，但测试时所需的caffe库不支持，所以换成ECA-Net，经转换测试，可正常出结果，且效果提升大约五个点左右。
ReLU6替换为L