Selective Kernel Networks
PDF:https://arxiv.org/pdf/1903.06586.pdf
PyTorch: https://github.com/implus/SKNet
1 概述
SENet是对特征图的通道注意力机制的研究,之前的CBAM提到了对特征图空间注意力机制的研究。这里SKNet针对卷积核的注意力机制研究。
SKNet提出了一种机制,即卷积核的重要性,即不同的图像能够得到具有不同重要性的卷积核。
SKNet对不同图像使用的卷积核权重不同,即一种针对不同尺度的图像动态生成卷积核。
2 Selective Kernel Convolution
网络主要由Split、Fuse、Select三部分组成
Split: 对原特征图经过不同大小的卷积核部分进行卷积
文中分为了两个卷积,分别是 3∗3 和 5∗5 的卷积。且对于 5∗5的卷积,可以采用膨胀因子是 2 的 3∗3的空洞卷积;
Fuse: 计算每个卷积核权重的部分
a. 各个分支的特征进行元素间的相加
b.全局平均池化来获得提特征的全局信息
c. 生成一个压缩后的特征向量
Select: 根据不同权重卷积核计算后得到的新的特征图
PyTorch实现:
3 Network Architecture
4 思维导图
图片来自: 【Deep Learning】SKNet : Selective Kernel Networks 学习