えすいーねっと

SENet

SENet = Squeeze-and-Excitation Networks

畳み込みニューラルネットワークにおいてチャンネル間の依存関係を明示的に学習するアーキテクチャです。チャンネルごとの重要度を調整し、パラメータを抑えつつ精度向上を実現します。

詳しい説明

畳み込みニューラルネットワークにおいて、チャンネル間の依存関係を明示的にモデル化するアーキテクチャです。画像認識の精度向上を目指し、特徴マップの各チャンネルが持つ情報の重要度を動的に調整します。

Squeeze操作でチャンネルごとの特徴量を圧縮し、Excitation操作でチャンネルごとの重みを計算して重要度を算出します。この重みを元の特徴量に乗算することで、情報量の多いチャンネルを強調し、不要なチャンネルを抑制する仕組みです。

ResNetなどの既存モデルの構成要素として組み込むことが可能で、パラメータを大きく増やさずに精度向上を実現します。G検定では、モデルの構造改善手法やアテンション機構の文脈で問われることがあります。