squeeze-and-excitation network

挤压-激励网络（Squeeze-and-Excitation Network）是一种用于图像分类的深度学习模型。它通过对输入特征图进行挤压和激励操作，来增强网络的表达能力和泛化能力。其中，挤压操作是通过全局平均池化来获取每个通道的重要性权重，激励操作则是通过一个门控机制来调整每个通道的特征响应。这种网络结构在多个图像分类任务中都取得了很好的效果。