【RT-DETR有效改进】利用SENetV1重构化网络结构 (ILSVRC冠军得主)

欢迎大家订阅本专栏,一起学习RT-DETR     

一、本文介绍

本文给大家带来的改进机制是SENet(Squeeze-and-Excitation Networks)其是一种通过调整卷积网络中的通道关系来提升性能的网络结构。SENet并不是一个独立的网络模型,而是一个可以和现有的任何一个模型相结合的模块(可以看作是一种通道型的注意力机制)。在SENet中,所谓的挤压和激励(Squeeze-and-Excitation)操作是作为一个单元添加到传统的卷积网络结构中。这样可以增强模型对通道间关系的捕获,提升整体的特征表达能力,而不需要从头开始设计一个全新的网络架构。因此,SENet可以看作是对现有网络模型的一种改进和增强。

【RT-DETR有效改进】利用SENetV1重构化网络结构 (ILSVRC冠军得主)_第1张图片

你可能感兴趣的:(RT-DETR有效改进专栏,YOLO,目标检测,人工智能,深度学习,计算机视觉,RT-DETR,python)