Global Second-Order Pooling Convolutional Networks
SENet 中只包含一阶统计量，不能有效在超高维空间 (very high dimmensional space) 中对类别边界进行有效的建模。因此作者在本文中通过计算通道间的相关矩阵，引入二阶统计量，增强了注意力模块的效果，提升了网络表现。值得一提的是，这也是第一篇在网络中间层引入 Global Second-Order Pooling 的工作，之前的工作都是讲 Global Second-Order Pooling 放在最后，本文也证明了在中间层使用 Global Second-Order Pooling 是很有效的。
PS：实际上本文的一些东西没看懂
- 2nd-pooling 不知道是啥，文中没有具体说明，未来感兴趣直接百度把
- 文中对于一个 feature map 求通道间的相关矩阵，没仔细说怎么求，我自己也没查到，好像是直接把每个通道 的特征图直接拉成向量，然后求这些向量和向量之间的相关系数
- 为什么做row conv.后变成4c的通道数，没说，我也不知道为啥，暂时就当作是超参吧设置的把。而且作者说row-wise conv可以通过分组卷积实现，不知道怎么做的，代码写的很隐晦，应该是从其他的代码里抠出来的一部分，所以可能需要看这篇文章主要引得那个工作的代码，和Global Second-Order Pooling有关的那个工作。
Links
- PDF Attachments: 2019’Global Second-Order Pooling Convolutional Networks_Gao et al_.pdf
- Zotero Links: Local library