SE注意力机制

SENet-通道注意力笔记

• • 简介
  • • • • 意义
        • 目的：
        • 主要操作
  • 算法流程图
  • • 过程
    • • • • 第一步、
          • 第二步、
          • 第三步、
          • 第四步、
  • SE模块的结构图
  • 实现代码
  • 最后

简介

SENet是2017年ImageNet比赛的冠军，2018年CVPR引用量第一。论文链接:SENet

意义

较早的将attention引入到CNN中，模块化化设计。

目的：

SE模块的目的是想通过一个权重矩阵，从通道域的角度赋予图像不同位置不同的权重，得到更重要的特征信息。

主要操作

SE模块的主要操作：挤压（Squeeze)、激励（Excitation）

算法流程图

通过一系列操作得到一个

1

∗

1

∗

C

1*1*C

1∗1∗C的权重矩阵，对原特征进行重构（不同颜色表示不同的数值，用来衡量通道的重要性）

过程

第一步、

Transformation

(

F

t

r

)

(F{_t}{_r})

(Ft​r​):给定一个input特征图

X

X

X，让其经过

F

t

r

F{_t}{_r}

Ft​r​操作生成特征图

U

U

U。

注意：在常用的卷积神经网络中Transformation操作一般为一个卷积操作。我们通常在聊SE注意力时通常不包含这一步。

第二步、

Squeeze

(

F

s

q

(

⋅

)

)

(F{_s}{_q}(·))

(Fs​q​(⋅))::这一步将特征图进行全局平均池化,生成一个

1

∗

1

∗

C

1*1*C

1∗1∗C的向量，这样每个通道让一个数值表示。

注释：对

U

U

U实现全局低维嵌入，相当于一个数值拥有该通道的全局感受野。

公式：

此外：论文中给出了使用平均池化与最大池化的实验对比。

第三步、

Excitation

(

F

e

x

)

(F{_e}{_x})

(Fe​x​):这一步通过两层全连接层完成，通过权重W生成我们我所要的权重信息，其中W是通过学习得到的，用来显示的建模我们我需要的特征相关性。

通过两个全连接层

W

1

W{_1}

W1​ ,

W

2

W{_2}

W2​对上一步得到的向量

z

z

z进行处理，得到我们想要的通道权重值

s

s

s,经过两层全连接层后，s中不同的数值表示不同通道的权重信息，赋予通道不同的权重。

注意：两层全连接层之间存在一个超参数

R

R

R, 向量

z

z

z

(

1

∗

1

∗

C

)

(1*1*C)

(1∗1∗C)经过第一层全连接层后维度由

(

1

∗

1

∗

C

)

(1*1*C)

(1∗1∗C)变为

(

1

∗

1

∗

C

/

R

)

(1*1*C/R)

(1∗1∗C/R),再经过第二层全连接层为度由

(

1

∗

1

∗

C

/

R

)

(1*1*C/R)

(1∗1∗C/R)变为

(

1

∗

1

∗

C

)

(1*1*C)

(1∗1∗C)。第一层全连接层的激活函数为ReLU，第二层全连接层的激活函数为Sigmoid。

第四步、

Scale

(

F

s

c

a

l

e

)

(F{_{scale}})

(Fscale​):由算法流程图可以看出，第四步的操作是将第三步生成权重向量

s

s

s对特征图

U

U

U进行权重赋值,得到我们想要的特征图

X

~

\tilde X

X~，其尺寸大小与特征图

U

U

U完全一样，SE模块不改变特征图的小大。

通过生成的特征向量

s

s

s（

1

∗

1

∗

C

1*1*C

1∗1∗C）与特征图

U

U

U(

H

∗

W

∗

C

H*W*C

H∗W∗C)，对应通道相乘，即特征图

U

U

U中每个通道的

H

∗

W

H*W

H∗W个数值都乘

s

s

s中对应通道的权值。

SE模块的结构图

SE模块是一个即插即用的模块，在上图中左边是在一个卷积模块之后直接插入SE模块，右边是在ResNet结构中添加了SE模块。

实现代码

import torch.nn as nn

class SEModel(nn.Module):
    def __init__(self, channel, reduction=16):
        super(SEModel, self).__init__()
        self.avg_pool = nn.AdaptiveAvgPool2d(1)
        self.fc = nn.Sequential(
            nn.Linear(channel, channel // reduction, bias=False),
            nn.ReLU(),
            nn.Linear(channel // reduction, channel, bias=False),
            nn.Sigmoid()
        )

    def forward(self, x):
        b, c, _, _ = x.size()
        y = self.avg_pool(x).view(b, c)
        y = self.fc(y).view(b, c, 1, 1)
        return x * y.expand_as(x)

网上有较多的公开代码，都可以进行参考。

最后

SE模块在使用时如何选择添加的位置是值得考虑的问题，如何实现最大化的提升。

MobileNetV3中使用了SE模块，通过神经网络架构搜索进行了最优位置选择，值得思考与学习。

如有错误，望大家指正。B站上有很多大佬的讲解视频，喜欢视频讲解的可以看一下。