【目标检测】yolov5改进系列:主干网络中添加SE注意力机制网络

写在前面:
首先感谢兄弟们的关注和订阅,让我有创作的动力,在创作过程我会尽最大能力,保证作品的质量,如果有问题,可以私信我,让我们携手共进,共创辉煌。

1. SEnet介绍

CNN网络中,图像或者说特征图Feature Map的特征主要分为空间特征(Spatial)和通道(Channel)特征。对于空间特征来说,在CNN网络正向传播的过程中,通过卷积运算从输入特征一步步的卷积操作得到新的特征图Feature Map的本质上来说,卷积操作是局部特征,那么随着网络正向传播的深入,到深层网络的特征图的感受野会远大于浅层网络特征图的感受野,说明深层网络有着更多的空间维度信息。对于通道特征来说,是通过卷积操作后得到的空间特征,并在通道维度上进行融合而得到。

SEnet就是对通道维度的注意力机制,上面介绍了通道特征是对空间特征Featue Map的融合。其实同一个通道维度的不同的Feature Map是用着不同的重要程度的,也就是说对于同一个Feature Map里面的信息权重的分配是不同的。SETNET就是针对通道维度上的特征进行信息权重分配,重要的信息获取更多的权重,轻量的信息获取较少的权重分配,这样就可以学习到通道特征的重要程度,下面是SENET论文Squeeze-and-Excitation(SE)模块的设计图:

理论来源:
https://arxiv.org/abs/1709.01507

你可能感兴趣的:(深度学习之目标检测实战,目标检测,网络,计算机视觉)