ResNet改进(21)：基于ECA注意力机制的ResNet18网络实现

点我头像干啥

于 2025-04-07 21:04:42 发布

阅读量310

点赞数

CC 4.0 BY-SA版权

分类专栏： ResNet 改进【有效涨点！】文章标签：深度学习人工智能

本文链接：https://blog.csdn.net/2401_82355416/article/details/147052763

ResNet 改进【有效涨点！】专栏收录该内容

58 篇文章 ¥49.90 ¥99.00

订阅专栏

一、引言

在计算机视觉领域，ResNet（残差网络）一直是图像分类任务中的重要基准模型。今天我们要介绍的是一个改进版的ResNet18网络，它在传统ResNet结构的基础上加入了ECA（Efficient Channel Attention）注意力机制，能够在不显著增加计算量的情况下提升模型性能。

二、网络结构解析

2.1 ECA注意力模块

class ECALayer(nn.Module):
    def __init__(self, channel, gamma=2, b=1):
        super(ECALayer, self).__init__()
        self.avg_pool = nn.AdaptiveAvgPool2d(1)
        self.conv = nn.Conv1d(1, 1, kernel_size=3, padding=(3 - 1) // 2, bias=False)
        self.sigmoid = nn.Sigmoid()
        self.channel = channel
        self.gamma = gamma
        self.b = b

    def forward(self, x):
        y = self.avg_pool(x)
        y = self.conv(y.squeeze(-1).tra

了解本专栏