知识卡片
SE按输入调整通道权重
汇总每个通道的空间响应,经过瓶颈变换与Sigmoid得到通道门值,再乘回原特征图。可学习参数训练后固定,但门值仍随输入变动。这使网络可以对不同样本强调不同通道。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 深度神经网络 五种卷积结构的设计取舍 · 查看原书依据
00。②为了实现对通道的加权,先把每个通道的特征图像压缩为一个数。对于有C个通道的特征图像,会产生一个C维的向量。这个向量(它会在
参考来源
- 位置:《机器学习基础》第14章,14.3 经典卷积神经网络(book-source:extracted/机器学习基础/_epub-src/EPUB/xhtml/chapter93.xhtml)
- 结论依据:原文借「先把每个通道的特征图像压缩为一个数」处的论述给出本卡所解释的关系或做法。
- 原始内容:00。②为了实现对通道的加权,先把每个通道的特征图像压缩为一个数。对于有C个通道的特征图像,会产生一个C维的向量。这个向量(它会在