SENet 网络：深度学习中特征增强技术

SENet（Squeeze-and-Excitation Network）是一种基于深度学习的卷积神经网络，由 Jie Hu 等人在 2017 年提出。SENet 通过引入一种新的模块，即 Squeeze-and-Excitation 模块，来增强网络的特征表达能力。这种模块可以自适应地学习每个通道的重要性，从而提高网络的分类性能。

SENet 的 Squeeze-and-Excitation 模块包含两个步骤：Squeeze 和 Excitation。Squeeze 步骤是将每个通道的特征图进行全局池化，得到一个全局特征向量。Excitation 步骤是通过两个全连接层对全局特征向量进行处理，从而得到一个权重向量。最后，将这个权重向量乘以原始特征图，得到加权后的特征图。

SENet 在多个图像分类任务上取得了很好的效果，并且可以很容易地集成到现有的卷积神经网络中。因此，SENet 被广泛应用于计算机视觉领域。