🍊作者简介：秃头小苏，致力于用最通俗的语言描述问题

🍊专栏推荐：深度学习网络原理与实战

🍊近期目标：写好专栏的每一篇文章

🍊支持小苏：点赞👍🏼、收藏⭐、留言📩

 

SENet原理详解

​  先来简单说说我们为什么需要使用注意力机制，这是因为我们希望网络可以专注于一些更加重要的东西，这对物体的识别定位都大有益处。enmmm，是不是够简单呢。🍦🍦🍦如果你是第一次学习注意力机制，我觉得你会充满疑惑，怎么让网络注意到一些更加重要的东西呢？那么带着疑问，和我一起来看看SENet的原理，等我介绍完后看你能否理解喔。🌿🌿🌿

​  话不多说，我们直接来看SENet的关键结构，如下图所示：

​  我们来介绍一下上图的网络，首先是输入X，其维度为${\mathrm{H}}^{\prime }\times {\mathrm{W}}^{\prime }\times {\mathrm{C}}^{\prime }$，经过一系列卷积等维度变化操作后得到特征图U，其维度$H\times W\times C$。【注：其实从特征图U开始向后才是真正的SENet的结构，这一步转换只是一些特征图维度变化】 当我们得到U后，会先将U经过全局平均池化的操作，即将U的维度由$H\times W\times C$变成$1\times 1\times C$，此步骤对应着上图中的$F_{sq}(\cdot )$。接着会执行步骤$F_{ex}(\cdot ,W)$，此步骤包含两个全连接层已经两个激活函数，为方便大家理解，做此过程的图如下：

​  从上图我们可以看出，在第一次全连接层后我们使用Relu激活函数，此时得到的输出维度为$1\times 1\times {\mathrm{C}}^{\prime \prime }$，通常情况下${\mathrm{C}}^{\prime \prime }$设置为$C$的$\frac{1}{4}$。第二个全连接层后使用Sigmoid函数，将每层数值归一化到0-1之间，以此表示每个通道的权重，第二个全连接的输出也为$1\times 1\times C$。得到了最后$1\times 1\times C$的输出后，我们将U和刚刚得到的$1\times 1\times C$输出相乘，得到最终的特征图$\tilde{\mathrm{X}}$，最终特征图$\tilde{\mathrm{X}}$的维度和U一致，为$H\times W\times C$。

​  介绍到这里，大家是否明白了呢。如果你还没明白的话，再来看下图吧！！！首先下图左上角表示为两个通道的特征图，经平均池化后得到左下角的图；再次经过两次全连接层和激活函数后，转化成了右下角的图，最后用右下角的0.5、0.6分别乘原始的特质图，则得到最终的右上角的图。可以发现经过SENet特征图输入前后尺寸没有变化，其值发生变化。

SENet代码详解

​ 理解了上文所述的SENet原理，那么编写SENet的代码就非常简单了，如下：

def SENet(input):
    #全局平均池化
    x = nn.AdaptiveAvgPool2d((1,1))(input)
    x = x.view(1, -1)
    #第一个全连接层
    x = nn.Linear(2, 1)(x)
    x = nn.functional.relu(x)
    #第二个全连接层
    x = nn.Linear(1, 2)(x)
    x = nn.functional.sigmoid(x)

    return x


if __name__ == '__main__':
    input = torch.ones(1, 2 ,2 ,2)
    output = SENet(input)
    # 将SENet的输出维度进行变化，以便后面的乘机操作
    output = output.view(input.shape[0], input.shape[1],1, 1)
    SE_output = input*output
    
    print(input)
    print(input.shape)
    print(output)
    print(output.shape)
    print(SE_output)

我们可以来看一下上述代码的输出，如下：

input:

output:

SE_output:

  你可以结合理论部分，再对照这些输出看看是否一致喔。【注意：大家需要注意在最后一步相乘操作前需要先View一下输出output的尺寸，不然乘的结果不一样哦，这涉及到一些pytorch乘法的操作，这部分我也调试了很久，大家可以动手试试看。】

 
 

如若文章对你有所帮助，那就🛴🛴🛴