SENetV2: Aggregated dense layer for channelwise and global representations

水准点(测量) 计算机科学 卷积神经网络 模式识别(心理学) 残余物 人工智能 感知器 特征(语言学) 代表(政治) 图层(电子) 图像(数学) 特征学习 人工神经网络 数据挖掘 算法 地理 法学 哲学 化学 有机化学 政治 语言学 政治学 大地测量学
作者
M. S. Narayanan
出处
期刊:Cornell University - arXiv 被引量:1
标识
DOI:10.48550/arxiv.2311.10807
摘要

Convolutional Neural Networks (CNNs) have revolutionized image classification by extracting spatial features and enabling state-of-the-art accuracy in vision-based tasks. The squeeze and excitation network proposed module gathers channelwise representations of the input. Multilayer perceptrons (MLP) learn global representation from the data and in most image classification models used to learn extracted features of the image. In this paper, we introduce a novel aggregated multilayer perceptron, a multi-branch dense layer, within the Squeeze excitation residual module designed to surpass the performance of existing architectures. Our approach leverages a combination of squeeze excitation network module with dense layers. This fusion enhances the network's ability to capture channel-wise patterns and have global knowledge, leading to a better feature representation. This proposed model has a negligible increase in parameters when compared to SENet. We conduct extensive experiments on benchmark datasets to validate the model and compare them with established architectures. Experimental results demonstrate a remarkable increase in the classification accuracy of the proposed model.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
zhangxinyu完成签到,获得积分10
刚刚
1秒前
1秒前
2秒前
爆米花应助不学习的牛蛙采纳,获得10
2秒前
Mavis发布了新的文献求助10
2秒前
3秒前
暴躁的咖啡完成签到,获得积分10
3秒前
Sherry完成签到 ,获得积分10
4秒前
ccm应助否认冶游史采纳,获得10
4秒前
十一发布了新的文献求助10
6秒前
Allen发布了新的文献求助10
7秒前
8秒前
科研学渣请大神带完成签到,获得积分10
8秒前
李健的小迷弟应助jiowtyp169采纳,获得10
9秒前
369852发布了新的文献求助10
9秒前
长情的涔完成签到 ,获得积分10
11秒前
sugarballer完成签到 ,获得积分10
12秒前
重要无极完成签到,获得积分10
12秒前
12秒前
天天小女孩完成签到 ,获得积分10
14秒前
14秒前
14秒前
李健应助石头采纳,获得10
14秒前
水若琳完成签到,获得积分10
17秒前
FashionBoy应助十一采纳,获得10
17秒前
17秒前
wpk9904发布了新的文献求助10
18秒前
19秒前
顺心曼香发布了新的文献求助10
19秒前
Charon发布了新的文献求助10
20秒前
科研通AI2S应助Joel采纳,获得10
22秒前
lingling发布了新的文献求助10
23秒前
科研通AI2S应助chjy采纳,获得30
25秒前
25秒前
邱型程完成签到 ,获得积分10
26秒前
26秒前
dd完成签到,获得积分10
28秒前
哎呦喂完成签到 ,获得积分10
28秒前
30秒前
高分求助中
Evolution 10000
ISSN 2159-8274 EISSN 2159-8290 1000
Becoming: An Introduction to Jung's Concept of Individuation 600
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3161774
求助须知:如何正确求助?哪些是违规求助? 2813049
关于积分的说明 7898270
捐赠科研通 2472043
什么是DOI,文献DOI怎么找? 1316316
科研通“疑难数据库(出版商)”最低求助积分说明 631278
版权声明 602129