4.实验结果
4.1 Classification on ImageNet-1k
通过上表可以看出，在几乎相同的计算复杂度的情况下，基于SA-Net构建的Backbone的结果更加的精确，超越当前所有的SOTA attention模型，例如SENet、CBAM、SGE-Net以及ECA-Net。
4.2 Object Detection on MS COCO
把SA模块插入到目标检测的Backbone中同样会有比较明显的涨点。
4.3 Instance Segmentation on MS COCO
把SA模块插入到Instance Segmentation的Backbone中同样会有比较明显的涨点。
4.4 Visualization
5 参考
[1].SA-NET: SHUFFLE ATTENTION FOR DEEP CONVOLUTIONAL NEURAL NETWORKS
[2].https://github.com/wofmanaf/SA-Net/blob/main/models/sa_resnet.py
