SENet(Squeeze-and-Excitation Networks)获得了2017年ILSVR挑战赛的冠军,使得在ImageNet上的TOP-5错误率下降至2.25%。
SENet综合了inception和ResNet的一些思想,inception和ResNets的扩展版本分别叫SE-Inception和SE-ResNets,SENet性能的提升源于在inception 模块和ResNets 残差单元之间加入了SE block,如下图所示:
SE block分析了输出的哪些特征最有可能一起被激活,根据分析的结果调整特征图,如下图所示:
SE block共有三层:全局平均池化层、使用ReLU激活函数的全连接层、使用Sigmoid激活函数的全连接层,如下图所示: