mobilenetv3的SE模块在哪里

### MobilenetV3 中 SE 模块的位置与实现 在 MobileNetV3 架构中，SE (Squeeze-and-Excitation) 模块被集成到特定的卷积层中以增强特征表达能力。具体来说，在倒残差瓶颈结构（Inverted Residual Bottleneck, IRB）内部集成了 SE 模块。 #### 倒残差瓶颈结构中的 SE 模块 每个倒残差单元由逐点扩张卷积、深度可分离卷积以及线性投影组成。对于某些选定的倒残差单元，会在深度可分离卷积之后引入 SE 层来重新加权通道响应[^1]。 以下是简化版的代码片段展示了如何在一个典型的倒残差单元内加入 SE 模块： ```python class SqueezeExcite(nn.Module): def __init__(self, input_channels, squeeze_factor=4): super(SqueezeExcite, self).__init__() squeezed_channels = max(1, input_channels // squeeze_factor) self.fc1 = nn.Conv2d(input_channels, squeezed_channels, kernel_size=1) self.relu = nn.ReLU(inplace=True) self.fc2 = nn.Conv2d(squeezed_channels, input_channels, kernel_size=1) self.hardsigmoid = nn.Hardswish() def forward(self, x): scale = F.adaptive_avg_pool2d(x, output_size=(1, 1)) scale = self.fc1(scale) scale = self.relu(scale) scale = self.fc2(scale) scale = self.hardsigmoid(scale) return x * scale.expand_as(x) class InvertedResidualBlock(nn.Module): def __init__(self, ... , use_se=False): ... if use_se: layers.append(SqueezeExcite(mid_chs)) # mid_chs 是中间扩展后的通道数 self.block = nn.Sequential(*layers) def forward(self, x): result = self.block(x) if self.use_res_connect: result += x return result ``` 上述 `use_se` 参数控制是否启用该模块；当设置为 True 时，则会在这个倒残差单元里添加一个 SE 模块实例[^3]。