Lynn_0909的博客

转发https注意力机制模块SENetCBAMSENetSE全称Squeeze-and-Excitation，它注重通道信息。SE的出现是为了解决在卷积池化过程中feature map的不同通道所占的重要性不同带来的损失问题。在传统的卷积池化过程中，默认feature map的每个通道是同等重要的，而在实际的问题中，不同通道的重要性是有差异的，具体问题具体看待。如上图所示，SE的结构较为清晰，具体的卷积池化过程如下图所示，下图是一个残差块中加入了SE模块的结构。假设输入的是一个 h * w

0-1 背包问题描述：给定 n 种物品和一个容量为 C 的背包，物品 i 的重量是 wi，其价值为 vi 。应该如何选择装入背包的物品，使得装入背包中的物品的总价值最大？注：不能选择装入某物品的一部分，也不能装入同一物品多次