Squeeze-and-Excitation_Networks

这篇文章主要介绍了一个小的SE模块，为模型引入channel-wise的注意力机制：就是为每个channel学习一个权重，到时候把学习到的权重和feature map各个通道分别相乘，重新标定特征 这里引用作者的解释： 这里我们使用 global average pooling 作为 Squeeze 操作。紧接着两个 Fully Connected 层组成一个 Bottleneck 结构去建模通道

>>阅读原文<<