修改一行代码，简单粗暴涨点！浙大提出FcaNet：频率域通道注意力网络

本文提出一种新的基于DCT频率域的通道注意力，其在分类、检测和分割任务上，性能优于SENet、CBAM和GCNet等主干，代码和模型即将开源！

注：文末附计算机视觉交流群

FcaNet: Frequency Channel Attention Networks

• 作者单位：浙江大学（李玺团队）
• 代码：https://github.com/dcdcvgroup/FcaNet
• 论文：https://arxiv.org/abs/2012.11879

注意力机制，尤其是通道注意力，在计算机视觉领域取得了巨大的成功。许多工作专注于如何设计有效的通道注意力机制，同时忽略一个基本问题，即使用全局平均池（GAP）作为毫无疑问的预处理方法。

在这项工作中，我们从不同的角度出发，并使用frequency analysis重新考虑通道的注意力。基于频率域分析，我们在数学上证明了传统的GAP是频域中特征分解的特例。有了证明，我们自然地在频域上概括了通道注意力机制的预处理，并提出了具有新颖的multi-spectral通道注意力的FcaNet。