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}F t r 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}F t r ：X →U ,X ∈R W ′∗H ′∗C ′,U ∈R W ∗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 u c =v c ∗X =s =1 ∑C ′v c s ∗x s
其中，v c v_c v c 表示第c个卷积核， x s x^s x s 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}F s q 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)z c =F s q (u c )=W ∗H 1 i =1 ∑W j =1 ∑H u c (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}F e x 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 =s i g m o i d (W 2 ∗R e l u (W 1 z ))
其中的z z z表示上一步的z z z, W 1 , W 2 W_1, W_2 W 1 ,W 2 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}F sc a l e 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 =F sc a l e (u c ,s c )=s c ⋅u c
其中，u c u_c u c 表示u u u中的一个通道，s c s_c s c 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。
Original: https://blog.csdn.net/qq_41915623/article/details/125997507
Author: 陈壮实的搬砖生活
Title: SE(Squeeze and Excitation)模块的理解以及代码实现
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/716784/
转载文章受原作者版权保护。转载请注明原作者出处！