為什麼senet有很高的準確率，似乎仍然沒有resnet常用？

1樓：邵聃

我認為：

1、SE-Net的SE Block是有FC的，而FC一般是矩陣*向量，所以計算效率上，對於現在的專用加速器，可能並不是非常友好（可能會出現頻寬瓶頸）

2、就實際使用而言，也許兩種結構是差不多的，也許不同的資料集，或者不同的訓練引數會帶來不同的精度結果，而真實場景中，往往起決定性作用的是資料集，所以除非乙個模型在結果上有非常巨大的優勢，否則一般會選擇相對經典的

2樓：Glenn

se更像是乙個模組，跟resnet沒有可比性，只能說resnet疊加上這個模組在某些任務能漲點。

不常用是因為實際場景提公升不大，如果純粹為了追求效能，還有很多選擇，efficientnet，densenet...或者其他的trick

如果真的有能提公升數個點但是不明顯增加資源消耗的神器，大家都會去用的。結論就是提公升還不夠大

3樓：star all

有以下幾個原因吧

第一，準確率的高低很多時候跟任務相關，有些任務加上seblock反而準確率下降．

第二，很多任務程需要使用量化的模型，seblock不好量化，或者量化好了之後掉點很多．

第三，開了se之後，雖然計算量上公升不大，但由於增加了支路，裝置段的耗時可能會增加較多．

4樓：咆哮的阿傑

其實就是個公平比較的問題。別人用resnet50，我用resNext101比較，肯定不合適啊。另一方面，在各種challenge和benchmark上，ResNext早就用上。

5樓：顏丙峰

我本人是很少使用。由於做的任務都是非常非常輕量級的，乙個se雖然計算量小，但是涉及到好幾個操作conv softmax 等等，對於優化來說計算密度小，雖有一點點提公升，但是與效能比起來得不償失。當然用來把比賽不在乎速度還是可以的

6樓：qaz123

乙個網路被應用的頻率主要決定因素有如下幾個：

1、精度和速度是否達到了較好的tradeoff2、框架復現全面性，如果乙個網路再各個主流框架都有較高的復現質量，而且社群維護較好，那麼就容易被應用

3、擴充套件性：這裡的擴充套件性指的是以該網路為Backbone或者是basebone去應用到目標檢測或者修改網路。就想Python裡面的鎖機制，當被應用的少的時候，容易公升級修改，當被龐大的使用者都是用的時候，要修改就已經很困難了。

resnet也一樣，被太多nb的應用援引了，就很難被替代了。

7樓：慈眉善目和藹可親

醫學影象分類也是影象分類任務，當然可以用senet。

沒resnet常用太正常了，不過現在有很多高階網路表現都比senet好，你可以關注下相關領域最新的工作。