Squeeze-and-Excitation Networks

时间 2021-07-13

原文原文链接

结果：基于SE模块，在2017 ImageNet图像分类任务上拿到第一名，top-5 error降到了2.251%，相比较2016年的第一名有25%的相对提升。贡献：通过显式建模输入特征通道间的相互关系，来提升模型表征质量。引入新结构单元SE block，允许网络进行feature recalibration, 让网络可以利用全局信息选择性的关注有信息量的特征，同时抑制不怎么有用的特征。

>>阅读原文<<

1. Convolution Networks 和Deconvolution Networks
2. provider networks和self-service networks
3. Quantization Networks
4. Maxout Networks
5. SE-Networks
6. LSTM Networks
7. Neural Networks
8. Highway Networks
9. Capsule Networks
10. Memory Networks
更多相关文章...
• Docker Compose - Docker教程
• Web 词汇表 - 网站建设指南