YOLOv8目标检测创新改进与实战案例专栏

专栏目录： YOLOv8有效改进系列及项目实战目录 包含卷积，主干 注意力，检测头等创新机制 以及 各种目标检测分割项目实战案例

专栏链接: YOLOv8基础解析+创新改进+实战案例

介绍

摘要

卷积神经网络（CNNs）通过提取空间特征彻底改变了图像分类，并在基于视觉的任务中实现了最先进的准确性。提出的Squeeze-and-Excitation网络模块收集输入的通道表示。多层感知器（MLP）从数据中学习全局表示，并在大多数图像分类模型中用于学习图像的提取特征。本文中，我们引入了一种新型的聚合多层感知器，一个多分支密集层，嵌入到Squeeze-and-Excitation残差模块中，旨在超越现有架构的性能。我们的方法结合了Squeeze-and-Excitation网络模块和密集层。这种融合增强了网络捕捉通道模式和全局知识的能力，从而提高了特征表示。与SENet相比，所提出的模型参数增加可以忽略不计。我们在基准数据集上进行了广泛的实验，以验证模型并与已建立的架构进行比较。实验结果表明，所提出模型在分类准确性上有显著提高。

文章链接

论文地址：论文地址

代码地址：代码地址

参考代码：代码地址

基本原理

SENetV2是一种图像分类模型，其核心特征是引入了聚合稠密层（Aggregated Dense Layer）用于通道和全局表示,是一种结合了Squeeze-and-Excitation（SE）模块和密集层的图像分类模型。该模型旨在通过增强特征表示来提高图像分类性能。SENet V2的核心思想是通过对通道特征和全局特征进行重新校准和激活，从而使网络更加专注于关键特征，提高分类准确性。

SENet V2的关键特点包括：

1. Squeeze-and-Excitation（SE）模块：SE模块通过对通道特征进行重新校准，使网络能够更好地捕获关键特征。在SE模块中，通过全局信息来动态调整通道特征的重要性，从而提高网络的表达能力。
2. 密集层：SENet V2引入了密集层，用于进一步优化特征表示。密集层有助于增强通道特征的全局表示能力，从而提高网络的分类性能。
3. Squeeze Aggregated Excitation（SaE）模块：SENet V2还提出了SaE模块，将聚合的密集层与SE模块相结合，进一步优化特征表示。SaE模块通过增加层间的基数来优化关键特征的传输，提高网络的性能。
4. 实验结果：SENet V2在多个数据集上进行了实验评估，包括CIFAR-10、CIFAR-100和ImageNet。实验结果表明，SENet V2相较于传统架构在图像分类任务中取得了更高的准确性。

核心代码

# 定义 SaE 模块
class SaELayer(nn.Module):
    def __init__(self, in_channel, reduction=32):
        super(SaELayer, self).__init__()
        # 检查输入通道数是否满足条件
        assert in_channel >= reduction and in_channel % reduction == 0, 'invalid in_channel in SaElayer'
        self.reduction = reduction
        self.cardinality = 4
        # 全局平均池化层
        self.avg_pool = nn.AdaptiveAvgPool2d(1)

        # cardinality 1
        self.fc1 = nn.Sequential(
            nn.Linear(in_channel, in_channel // self.reduction, bias=False),
            nn.ReLU(inplace=True)
        )
        # cardinality 2
        self.fc2 = nn.Sequential(
            nn.Linear(in_channel, in_channel // self.reduction, bias=False),
            nn.ReLU(inplace=True)
        )
        # cardinality 3
        self.fc3 = nn.Sequential(
            nn.Linear(in_channel, in_channel // self.reduction, bias=False),
            nn.ReLU(inplace=True)
        )
        # cardinality 4
        self.fc4 = nn.Sequential(
            nn.Linear(in_channel, in_channel // self.reduction, bias=False),
            nn.ReLU(inplace=True)
        )

        # 最终的全连接层
        self.fc = nn.Sequential(
            nn.Linear(in_channel // self.reduction * self.cardinality, in_channel, bias=False),
            nn.Sigmoid()
        )

    def forward(self, x):
        b, c, _, _ = x.size()  # 获取输入的维度
        y = self.avg_pool(x).view(b, c)  # 全局平均池化并改变维度
        # 分别通过4个全连接层
        y1 = self.fc1(y)
        y2 = self.fc2(y)
        y3 = self.fc3(y)
        y4 = self.fc4(y)
        # 将4个输出拼接在一起
        y_concate = torch.cat([y1, y2, y3, y4], dim=1)
        # 最终通过全连接层并改变维度
        y_ex_dim = self.fc(y_concate).view(b, c, 1, 1)
        return x * y_ex_dim.expand_as(x)  # 按通道加权输入

task与yaml配置

详见：https://blog.csdn.net/shangyanaf/article/details/139610187