改写如图12所示该网络首先利用卷积操作将输入图像映射为特征然后利用平均池化将特征U压缩为11C的通道描述符该通道描述符在某种程度上不仅具有特征的全局感受野还拥有特征的全局信息；接着通道描述符通过两个全连接层该全连接层同时使用Sigmoid函数为描述符中的不同通道分配权重从而建模特征通道之间的相关性；最后利用各个通道获得的权重对特征U进行重新的校正达到强化有用信息抑制无用信息的目的。

该网络的流程如下：首先，通过卷积操作将输入图像转化为特征；接着，采用平均池化将特征U压缩为11C的通道描述符，该描述符不仅具有全局感受野，还包含全局信息；然后，通道描述符通过两个全连接层，使用Sigmoid函数为不同通道分配权重，以建模特征通道之间的相关性；最后，对特征U进行重新校正，以强化有用信息，抑制无用信息。如图12所示。