摘要

# 理论介绍

SE 注意力机制是一种提升卷积神经网络（CNN）性能的模块。SE 更关注重要的特征图，增强了网络的表现，同时仅增加了较少的参数。SE 机制包含两个主要步骤：

• Squeeze (压缩)：对所有特征图进行全局平均池化，生成一个通道描述符。
• Excitation (激励)：将通道描述符传递给两个带有非线性激活函数的全连接层，最后通过 sigmoid 函数生成缩放系数。这个系数应用于原始特征图，增强 CNN 对最相关特征的关注。

在 C2f 结构的Bottleneck使用新的 C2fCIB 模块，同时保持整体结构。CIB 设计为一种高效的深度学习模型构建块，并且采用了一种基于排名的策略来最小化计算成本而不牺牲性能。

理论详解可以参考链接：论文地址

下文都是手把手教程，跟着操作即可添加成功