网站介绍：文章浏览阅读4.1k次，点赞4次，收藏24次。卷积神经网络建立在卷积运算的基础上，通过融合局部感受野内的空间信息和通道信息来提取信息特征。为了提高网络的表示能力，许多现有的工作已经显示出增强空间编码的好处。在这项工作中，我们专注于通道，并提出了一种新颖的架构单元，我们称之为**“Squeeze-and-Excitation”（SE）模块**，通过显式地建模通道之间的相互依赖关系，自适应地重新校准通道式的特征响应。通过将这些块堆叠在一起，证明了可以构建SENet架构，在具有挑战性的数据集中可以进行泛化地非常好。关键的是，发现SE块以微小的计算成本为现有的_senet论文
- 链接地址：https://blog.csdn.net/uncle_ll/article/details/126896150
- 链接标题：经典论文-SeNet论文及实践-CSDN博客
- 所属网站：blog.csdn.net
- 被收藏次数：7200
- 网站标签：senet论文
