ShuffleNet and SENet

a-thinking

于 2023-08-03 20:53:44 发布

阅读量227

点赞数

CC 4.0 BY-SA版权

分类专栏：深度学习文章标签：深度学习 SEnet ShuffleNet

4 篇文章

订阅专栏

本文介绍了ShuffleNet利用分组卷积解决信息缺失问题，通过1x1卷积增强组间通信；同时，SENet通过Squeeze-and-Excitation模块让模型学习不同channel特征的重要性，提升网络性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、ShuffleNet

分组之后，组间信息不沟通的问题，导致信息缺失
MobileNet：建议1*1的卷积，把信息融合起来
ShuffleNet ：把通道打乱，组间信息通信

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

SENet 网络的创新点在于关注 channel 之间的关系，希望模型可以【自动学习到不同 channel 特征的重要程度】。为此，SENet 提出了【Squeeze-and-Excitation(SE)】模块。

SENet 网络的创新点在于关注 channel 之间的关系，希望模型可以自动学习到不同 channel 特征的重要程度。
为此，SENet 提出了 Squeeze-and-Excitation(SE)模块。

对于一张图片，不同的 channel 的权重一般都是不一样的。
如果，我们能够把这个信息捕获出来，那么我们的网络就可以获得更多的信息，
那么自然就拥有更高得准确率。

SE：Squeeze-and-Excitation

![在这里插入图片描述](https://img-blog.csdnimg.cn/734fd529e3564f4794f98c3be615f385.png