上图分别是将SE模块嵌入到Inception结构与ResNet中的示例,方框旁边的维度信息代表该层的输出, r rr 表示Excitation操作中的降维系数。 三、SE模块效果对比¶ SE模块很容易嵌入到其他网络中,为了验证SE模块的作用,在其它流行网络如ResNet和Inception中引入SE模块,测试其在ImageNet上的效果,如下表所示: 首先看一下网...
图9 原始的 Residual 模块(左)和 SEResNet 模块(右) 对Inception 网络的 SE 块的构造。只需将转换 F_tr 作为整个 Inception 模块(见图18),通过对架构中的每一个这样的模块做这样的改变,可以得到一个 SE-Inception 网络。SE 块也可以直接用于 Residual 网络(图 9 描述了一个 SE-ResNet 模块的模式)。这里...
1、基础网络框架 在CV领域,图像识别、检测的基础是特征提取,经典的图像分类模型包括VGGNet,ResNet、InceptionNet(GoogleNet)、DenseNet、Inside-Outside Net、Se-Net等,这些网络可以作为基础网络(通用网络模型),对输入图像进行特征提取。 (1)FCN网络:全卷积网络,Fully convolution network,擅长提取图像细节特征 全卷积网...
图9 原始的 Residual 模块(左)和 SEResNet 模块(右) 对Inception 网络的 SE 块的构造。只需将转换 F_tr 作为整个 Inception 模块(见图18),通过对架构中的每一个这样的模块做这样的改变,可以得到一个 SE-Inception 网络。SE 块也可以直接用于 Residual 网络(图 9 描述了一个 SE-ResNet 模块的模式)。这里...