SENet
论文连接:https://arxiv.org/abs/1709.01507
通道域学习通道注意力,该网络通过全局平均池化将特征图转换为1x1xc,然后通过压缩通道数,再重构通道数学习网络参数,最后通过sigmoid函数生成0~1之间的权重,与之前特征图进行元素相乘。下图为用在两个模型中的示例。
CBAM
SENet
论文连接:https://arxiv.org/abs/1709.01507
通道域学习通道注意力,该网络通过全局平均池化将特征图转换为1x1xc,然后通过压缩通道数,再重构通道数学习网络参数,最后通过sigmoid函数生成0~1之间的权重,与之前特征图进行元素相乘。下图为用在两个模型中的示例。
CBAM