详细介绍EfficientNet中的SE

EfficientNet是计算机视觉中的网络架构,其特色包括SE模块。SE模块通过全局平均池化(Squeeze)获取全局信息,然后用全连接层和Sigmoid层(Excitation)生成权重,对特征向量重新加权,提升网络特征表达能力。
摘要由CSDN通过智能技术生成

EfficientNet是一种用于计算机视觉中的卷积神经网络架构,其中SE(Squeeze-and-Excitation)是一种增强网络中特征表达能力的技术。

SE模块包含两部分:Squeeze和Excitation。Squeeze部分用于将网络中的全局信息提取出来,Excitation部分则用于对提取出来的信息进行重新加权。

Squeeze部分通过将卷积层的输出通过全局平均池化层进行降维,得到一个维度更小的特征向量。Excitation部分则将该特征向量通过一个全连接层和一个Sigmoid层进行处理,得到一个权重向量。

最后,将权重向量与原始特征向量相乘,得到重新加权后的特征向量,从而

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值