![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
网络结构
平丘月初
这个作者很懒,什么都没留下…
展开
-
Separable Convolution可分离卷积
原创 2020-07-01 11:46:29 · 121 阅读 · 0 评论 -
Squeeze-and-Excitation Networks
结果:基于SE模块,在2017 ImageNet图像分类任务上拿到第一名,top-5 error降到了2.251%, 相比较2016年的第一名有25%的相对提升。 贡献:通过显式建模输入特征通道间的相互关系,来提升模型表征质量。引入新结构单元SE block,允许网络进行feature recalibration, 让网络可以利用全局信息选择性的关注有信息量的特征,同时抑制不怎么有用的特征。 过程:输入特征U先经过squeeze操作,生成一个channel descriptor,这个descrip.原创 2020-07-01 10:50:06 · 378 阅读 · 0 评论