压缩激励网络的变体

卷积神经网络学习空间特征，并在核内高度互联。SE 模块打破了神经网络将完整结果传递至下一层的传统路径。相反，SE 仅通过其压缩与激励（SE）模块传递需被学习的重要特征。我们提出 SE 模块的变体，改进压缩与激励过程并提升性能。所提出的压缩或激励层使得层权重的平滑过渡成为可能。这些提出的变体也保留了 SE 模块的特性。实验结果为在残差网络上执行并将结果以表格列出。