文章目录
1. 简介
SE Block并非一个完整的网络，而且一个子结构，可以嵌在其他分类或检测模型中。SE Block的核心思想是通过网络根据loss去学习特征权重，使得有效的feature map权重更大，无效或效果小的feature map权重更小的方式去训练模型已达到更好的结果。
当然，SE block嵌在原有的一些分类网络中不可避免地增加了一些参数和计算量，但是在效果面前还是可以接受的。
2. 运算讲解
SE block示意图：
Step1：**卷积操作(即图中的
F
t
r
F_{tr}
Ftr操作)**
严格来讲这一步是转换操作，并不是SE block的一部分，就是一个标准的卷积操作。输入输出定义如下：
F
t
r
：
X
→
U
,
X
∈
R
W
′
∗
H
′
∗
C
′
,
U
∈
R
W
∗
H
∗
W
F_{tr}： X \rightarrow U, X \in R^{W' * H' * C'}, U \in R^{W * H * W}
Ftr：X→U,X∈RW′∗H′∗C′,U∈RW∗H∗W
计算公式就是常规的卷积操作，计算公式如下：
u
c
=
v
c
∗
X
=
∑
s
=
1
C
′
v
c
s
∗
x
s
u_c = v_c * X = \sum ^{C'} _{s=1} v_c^{s} * x^s
uc=vc∗X=s=1∑C′vcs∗xs
其中，
v
c
v_c
vc 表示第c个卷积核，
x
s
x^s
xs 表示当前卷积核覆盖下的第s个输入，
C
′
C'
C′ 表示卷积核个数。
该操作得到了上图中左起第2个矩阵，其维度 = [H ,W, C]
Step2:**
F
s
q
F_{sq}
Fsq操作（即Squeenze操作）**
该操作就是一个：global average pooling操作，公式如下：
z
c
=
F
s
q
(
u
c
)
=
1
W
∗
H
∑
i
=
1
W
∑
j
=
1
H
u
c
(
i
,
j
)
z_c = F_{sq}(u_c) = {1 \over W*H} \sum ^{W}_{i=1} \sum ^H_{j=1} u_c(i, j)
zc=Fsq(uc)=W∗H1i=1∑Wj=1∑Huc(i,j)
这里使用代码进行一定的解释：
代码如下：
x = torch.ones(size=(1, 2, 2, 3))
x[0][0][0][0] = 7
print("x = ", x)
avg_pool = torch.nn.AdaptiveAvgPool2d(1) # 全局平均池化
x_pool = avg_pool(x)
print("x_pool.shape = ", x_pool.shape)
print("x_pool = ", x_pool)
输出结果：
计算的是每个通道的平均值，输出的shape=[1, 2, 1, 1]
这一步的结果相当于表明该层C个通道的数值分布情况，或者叫全局信息。
Step3:**
F
e
x
F_{ex}
Fex操作（即Excitation操作）**
计算公式如下：
s
=
s
i
g
m
o
i
d
(
W
2
∗
R
e
l
u
(
W
1
z
)
)
s = sigmoid(W_2 * Relu(W_1 z))
s=sigmoid(W2∗Relu(W1z))
其中的
z
z
z表示上一步的
z
z
z,
W
1
,
W
2
W_1, W_2
W1,W2 表示的是线性层。**这里计算出来的
s
s
s就是该模块的核心，用来表示各个channel的权重， 而且这个权重是通过前面这些全连接层和非线性层学习得到的，因此可以end-to-end训练。这两个全连接层的作用就是融合各通道的feature map信息，因为前面的squeeze都是在某个channel的feature map里面操作。**
这里结合代码容易理解（即Pytorch实现SE模块）：
class SELayer_2d(nn.Module):
def __init__(self, channel, reduction=16):
super(SELayer_2d, self).__init__()
self.avg_pool = torch.nn.AdaptiveAvgPool2d(1)
self.linear1 = nn.Sequential(
nn.Linear(channel, channel // reduction, bias=False),
nn.ReLU(inplace=True)
)
self.linear2 = nn.Sequential(
nn.Linear(channel // reduction, channel, bias=False),
nn.Sigmoid()
)
def forward(self, X_input):
b, c, _, _ = X_input.size() # shape = [32, 64, 2000, 80]
y = self.avg_pool(X_input) # shape = [32, 64, 1, 1]
y = y.view(b, c) # shape = [32,64]
# 第1个线性层（含激活函数），即公式中的W1，其维度是[channel, channer/16], 其中16是默认的
y = self.linear1(y) # shape = [32, 64] * [64, 4] = [32, 4]
# 第2个线性层（含激活函数），即公式中的W2，其维度是[channel/16, channer], 其中16是默认的
y = self.linear2(y) # shape = [32, 4] * [4, 64] = [32, 64]
y = y.view(b, c, 1, 1) # shape = [32, 64, 1, 1]， 这个就表示上面公式的s, 即每个通道的权重
return X_input*y.expand_as(X_input)
测试代码：
data = torch.ones((32, 64, 2000, 80))
se_2d = SELayer_2d(64)
data_out = se_2d.forward(data)
print("data_out = ", data_out.shape)
Step4:**
F
s
c
a
l
e
F_{scale}
Fscale操作**
计算公式如下：
x
~
=
F
s
c
a
l
e
(
u
c
,
s
c
)
=
s
c
⋅
u
c
\widetilde {x} = F_{scale}(u_c, s_c) = s_c ·u_c
x=Fscale(uc,sc)=sc⋅uc
其中，
u
c
u_c
uc表示
u
u
u中的一个通道，
s
c
s_c
sc表示通道的权重。因此，相当于把每个通道的值乘以其权重。
代码即上述代码中的最后一行：
# y.expand_as(X_input)表示将y扩张到和X_input一样的维度
X_input*y.expand_as(X_input) # 每个通道的值，乘以对应的权重
附录：
论文：Squeeze-and-Excitation Networks
论文链接：https://arxiv.org/abs/1709.01507
代码地址：https://github.com/hujie-frank/SENet
PyTorch代码地址：https://github.com/miraclewkf/SENet-PyTorch
引用：
有参考添加链接描述，在此文章的理解上，增加了一些代码注释。
版权归原作者 陈壮实的搬砖生活 所有， 如有侵权，请联系我们删除。