簡介
（1）第一個空間注意力模型，取得2017ImageNet分類比賽第一；
（2）即插即用模組，可嵌入到基準網路中（如ResNet，Inception等）；
（3）程式碼開源：（Caffe）https：//github。com/hujie-frank/SENet
（4）PyTorch：https：//github。com/moskomule/senet。pytorch
（5）Tensorflow：https：//github。com/taki0112/SENet-Tensorflow
模型
SENet的全稱是Squeeze-and-Excitation Networks，主要包含兩部分：
Squeeze：原始feature map的維度為H*W*C，其中H是高度（Height），W是寬度（width），C是通道數（channel）。Squeeze做的事情就是將原始特徵圖H*W*C壓縮為1*1*C的響應圖（一般採取Global Average Pooling實現）。H*W壓縮成一維後，相當於這一維引數獲得了之前H*W全域性的視野，感受區域更廣；
Excitation：得到Squeeze的1*1*C的響應圖之後，其加入一個全連線層FC（Fully Connected），對每個通道的重要性進行預測，得到不同加權的通道後再激勵到之前的特徵圖的對應通道上，再進行後續操作。
SENet block結構如下圖所示：
SENet block
SENet block也可用於其他CNN網路中如Inception，ResNet等，結構圖如下所示：
SE-Inception Module
SE-ResNet Module
SENet Block程式碼：
SENet Block