[论文理解] Squeeze-and-Excitation Networks

Squeeze-and-Excitation Networks

简介

SENet提出了一种更好的特征表示结构，通过支路结构学习作用到input上更好的表示feature。结构上是使用一个支路去学习如何评估通道间的关联，然后作用到原feature map上去，实现对输入的校准。支路的帮助学习到的是神经网络更加适合的表示。为了使网络通过全局信息来衡量通道关联，结构上使用了global pooling捕获全局信息，然后连接两个全连接层，作用到输入上去，即完成了对输入的重校准，可以使网络学习到更好的表示。

SQUEEZE-AND-EXCITATION BLOCKS

一个block的结构大致如下：

上图中Fsq是Squeeze过程，Fex是Excitation过程，然后通过Fscale将学习到的权重作用在输入上。

Squeeze: Global Information Embedding

作者将Squeeze过程称为global information embedding的过程，因为squeeze的过程实际上是对feature map利用global pooling来整合全局特征。

Excitation: Adaptive Recalibration

作者将Excitation过程称为重校准过程，因为此过程通过支路学习到的权重，作用到原输入上去，要实现对每个通道进行打分，即网络学习到通道score，则必须要学习到非线性结果，所以作者采用fc-relu-fc-sigmoid的excitation结构来实现score映射。

根据作者论文中的举例，可以清楚看到以Inception为例的Squeeze和Excitation过程：

而Fscale过程就是对应相乘，把每个通道的权重对应乘上input的对应通道feature。

这个论文比较好理解。

简单写了一个block：

import torch
import torch.nn as nn

class SEModule(nn.Module):
    def __init__(self,r = 3):
        super(SEModule,self).__init__()
        self.global_pooling = nn.MaxPool2d(128)
        self.fc1 = nn.Linear(64,64//r)
        self.relu1 = nn.ReLU(64//r)
        self.fc2 = nn.Linear(64//r,64)
        self.sigmoid = nn.Sigmoid()

    def forward(self,x):
        se_x = self.global_pooling(x)
        se_x = self.fc1(se_x.view(-1,64))
        se_x = self.relu1(se_x)
        se_x = self.fc2(se_x)
        se_x = self.sigmoid(se_x).view(-1,64,1,1)
        return x * se_x

if __name__ =="__main__":
    from torchsummary import summary
    model = SEModule()
    summary(model,(64,128,128),device = "cpu")

'''
----------------------------------------------------------------
        Layer (type)               Output Shape         Param #
================================================================
         MaxPool2d-1             [-1, 64, 1, 1]               0
            Linear-2                   [-1, 21]           1,365
              ReLU-3                   [-1, 21]               0
            Linear-4                   [-1, 64]           1,408
           Sigmoid-5                   [-1, 64]               0
================================================================
Total params: 2,773
Trainable params: 2,773
Non-trainable params: 0
----------------------------------------------------------------
Input size (MB): 4.00
Forward/backward pass size (MB): 0.00
Params size (MB): 0.01
Estimated Total Size (MB): 4.01
----------------------------------------------------------------

'''

论文原文：https://arxiv.org/pdf/1709.01507.pdf