论文笔记——Squeeze-and-Excitation Networks(SE-Net)

论文下载： https://arxiv.org/pdf/1709.01507.pdf 论文源码： https://github.com/hujie-frank/SENet 论文摘要： 卷积神经网络(CNNs)的核心构造是卷积操作器(convolution operator)，它使网络能够通过在每一层的局部接受域内融合空间和信道信息来构建信息特征。作者通过大量的研究发现，大部分改进的重点是提高整个特

>>阅读原文<<