SE注意力机制

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$1\ast 1\ast C$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 $(F{}_t{}_r)$:给定一个input特征图$X$，让其经过$F{}_t{}_r$操作生成特征图$U$。
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$(F{}_s{}_q(\cdot ))$::这一步将特征图进行全局平均池化,生成一个$1\ast 1\ast C$的向量，这样每个通道让一个数值表示。
注释：对$U$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$(F{}_e{}_x)$: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$W{}_1$ ,$W{}_2$对上一步得到的向量$z$进行处理，得到我们想要的通道权重值$s$,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$R$, 向量$z$ $(1\ast 1\ast C)$经过第一层全连接层后维度由
$(1\ast 1\ast C)$变为$(1\ast 1\ast C/R)$,再经过第二层全连接层为度由$(1\ast 1\ast C/R)$变为$(1\ast 1\ast C)$。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$(F{}_{scale})$: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$s$对特征图$U$进行权重赋值,得到我们想要的特征图$\tilde{X}$，其尺寸大小与特征图$U$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$s$（$1\ast 1\ast C$）与特征图$U$($H\ast W\ast C$)，对应通道相乘，即特征图$U$中每个通道的$H\ast W$个数值都乘$s$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。