Squeeze-and-Excitation Networks(SENet 2017)
Figure 1 SE Block
SE block
的最后输出为 1x1xC
的通道加权向量。 因为卷积运算 隐式 地包含了通道加权操作,所以为什么要显示地给每个channel
学习一个权重呢? 因为训练完成后,conv
的隐式加权的权重是 固定 的, 而 SE
输出的权重向量是 data independent
的, 是随着输入数据动态变化的。所以明确:attention
机制的一大特点: 动态。此外, SE模块和传统的卷积间采用并联而不是串联的方式, 这是因为SE利用的是U的相关性来计算scale,X和U的相关性是不同的,把根据X的相关性计算出的scale应用到U上明显不合适 (动态调整)。
def Squeeze_excitation_layer(self, input_x, out_dim, ratio, layer_name):
with tf.name_scope(layer_name) :
squeeze = Global_Average_Pooling(input_x) #Squeeze, 全局平均池化
# Excitation, 采用两个全连接网络进行信息的综合 excitation = Fully_connected(squeeze, units=out_dim / ratio, layer_name=layer_name+'_fully_connected1') excitation = Relu(excitation) excitation = Fully_connected(excitation, units=out_dim, layer_name=layer_name+'_fully_connected2') excitation = Sigmoid(excitation) # scale 信息的归一化处理 [0, 1] excitation = tf.reshape(excitation, [-1,1,1,out_dim]) scale = input_x * excitation return scale
def Fully_connected(x, units=class_num, layer_name='fully_connected'):with tf.name_scope(layer_name) :
with tf.name_scope(layer_name) :
return tf.layers.dense(inputs=x, use_bias=False, units=units)
Squeeze (全局信息整合, Global Information Embedding)
为了解决利用通道之间的依赖关系的问题,作者首先考虑了在输出特征组图中各个通道的信号本身。在卷积操作中,每个卷积核只作用于自身感受野,这导致其无法利用感受野之外的上下问信息。为了缓解这个问题,作者提出squeeze 操作来提取全局空间特征信息。作者用了最简单的求平均的方法(全局平局池化,Global Average Pooling),将空间上所有点的信息都平均成了一个值。这么做是因为最终的scale是对整个通道作用的,这就得基于通道的整体信息来计算scale。另外作者要利用的是通道间的相关性,而不是空间分布中的相关性,用GAP屏蔽掉空间上的分布信息能让scale的计算更加准确。
Excitation (自适应校准,Adaptive Recalibration)
在文中作者提到Excitation 必须具备两个特征:1)具有灵活性(特别是要能够学习通道之间的非线性交互);2)必须能学习。为了满足这些标准,作者使用了一种具有Sigmoid激活的简单门机制进行操作,对数据的具体运算如下式所示。
Figure 2 SE-Inception和SE-ResNet结构
论文: https://arxiv.org/abs/1709.01507
tensorflow:https://github.com/taki0112/SENet-Tensorflow
参考博客:
【1】https://zhuanlan.zhihu.com/p/29812913
【2】https://blog.csdn.net/u011961856/article/details/77924041
【3】https://blog.csdn.net/u014380165/article/details/78006626
【4】https://www.jianshu.com/p/59fdc448a33f
【5】https://www.jianshu.com/p/80777e7abb8a
【6】https://blog.csdn.net/yuzhijiedingzhe/article/details/78124752