SENet(2018)

#SENet #Classification [squeeze and excitation] - squeeze > global ave pooling을 사용해 1차원 특징맵을 만들자. 중요한 정보만 추출하고, 피쳐맵에 가중치를 부여함(attention 효과) - filter r만큼 압축하자 - Excitation은 Squeeze에서 생성된 (1x1xC)벡터를 정규화하여 가중치를 부여하는 역할 - filter를 다시 키우고 sigmoid activation을 사용하자 - feature맵에 곱하기 - 원래과정 GAP - FC1 - ReLU - FC2 - Sigmoid - low level 에서는 클래스랑 상관없이 특징을 추출하고, high level에서는 클래스랑 관련있는 특징추출 https://deep-learning-study.tistory.com/539?category=963091 [논문 읽기] SENet(2018) 리뷰, Squeeze-and-Excitation Networks 이번에 읽...

원문링크 : SENet(2018)