SENet使用了通道注意力机制 如下图所示,SENet是将原始数据通过一个卷积操作Ftr,得到c2通道h高w宽的数据,然后再使用全局池化(avgpooling平均池化)将h*w降阶为平均值,则输出数据为C2通道的1高1宽,再通过两个全连接操作得到其注意力向量,将通道注意力与池化前的输入相乘,再使用Sigmoid将值固定到0-1之间,此时我们获得了输入特