深度学习中有哪些魔改的特征融合方法？
以下是一些深度学习中魔改的特征融合方法： 1.基于注意力机制的特征融合： 【1】SE-Net（Squeeze-and-Excitation Networks）：首先对特征图进行 “挤压” 操作，即通过全局平均池化将每个通道的二维特征图压缩为一个实数，这个实数某种程度上代表了该通道的全局信息。然后进行 “激励” 操作，通过两个全连接层和一个激活函数，学习到每个通道的权重。最后将学习到的权重与原始特征图相乘，实现对不同通道特征的自适应加权融合。这样可以让网络更加关注重要的特征通道，抑制不重要的通道，从而提高特...【查看原文】
