深度学习基础：深入理解Squeeze-and-Excitation (SE)网络

对于CNN网络来说，其核心计算是卷积算子，其通过卷积核从输入特征图学习到新特征图。从本质上讲，卷积是对一个局部区域进行特征融合，这包括空间上（H和W维度）以及通道间（C维度）的特征融合

 

 

我们可以发现卷积实际上是对局部区域进行的特征融合。 这也导致了普通卷积神经网络的感受野不大，当然你也可以设计出更多的通道特征来增加这个，但是这样做导致了计算量大大的增加。因此为了空间上融合更多特征融合，或者是提取多尺度空间信息。也提出了许多不同的方法如Inception网络的多分支结构。对于channel维度的特征融合，卷积操作基本上默认对输入特征图的所有channel进行融合。而SENet网络的创新点在于关注channel之间的关系，希望模型可以自动学习到不同channel特征的重要程度。为此，SENet提出了Squeeze-and-Excitation (SE)模块，如下图所示：

在这里SENet实际上是对整个输入feature进行操作，感受野可以覆盖到整个输入feature上，这对于网络来说是一个有益的语义信息补充。

几个问题

SEnet为什么可以增大感受野？

普通卷积是一个非常“规矩”的矩形，起感受野也是非常规矩的矩形，而SEnet可以让卷积的感受野实现“偏移”，间接增大了感受野。假如感受野是四个点，普通卷积卷积后的四个点事一个方形，通过SEnet网络后，四个点可以能分布在图上的各种位置，这两种方式中，四个点围成的面积其实就可以看成感受野，很大概率就事SEnet网络大。

SEnet、Dcn、注意力机制？

SEnet就是通道注意力机制，注意注意力机制其实就是特征图上，某些位置（通道、时间等）的重要程度，这个重要程度可以使得普通卷积的感受野发生偏移，也就是让卷积的每个位置都有所“偏好”，Dcn（可变性卷积）其实跟SEnet没什么区别，做的是同一个事情。