YOLOv10改进 | 主干篇 | YOLOv10引入SENetV2

1. SENetV2介绍

1.1  摘要：卷积神经网络(CNN)通过提取空间特征和在基于视觉的任务中实现最先进的精度，使图像分类发生了革命性的变化。所提出的挤压和激励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。在本文中，我们提出了一种新的聚合多层感知器，它是一个多分支致密层，在压缩激励残差模块中设计，以超越现有结构的性能。我们的方法利用了具有致密层的挤压激励网络模块的组合。这种融合增强了网络捕获通道模式的能力，并具有全局知识，从而产生更好的特征表示。与SENET相比，该模型在参数上的增加可以忽略不计。我们在基准数据集上进行了大量的实验，以验证模型的有效性，并将其与已建立的体系结构进行比较。实验结果表明，该模型的分类准确率有了显著的提高。

官方论文地址：https://arxiv.org/pdf/2311.10807

官方代码地址：