论文链接:https://arxiv.org/abs/1807.06521v2
代码:https://github.com/luuuyi/CBAM.PyTorch
(最近在看人脸识别的轻量级网络,然后看到了与cbam相关的内容,就想尝试以下效果,是否有助于提升模型人脸识别的能力;)
论文的贡献:作者提出了卷积层的注意力模块(Convolutional Block Attention Module,CBAM),这个模块分为两个部分:channel和spatial。通过与输入特征相乘,自适应的对特征进行提纯(refinement)。这种注意力模块的优点就是:1,可以和任何CNN结构一起使用,不会增加额外的开销,并且实现的是端对端的训练。然后作者在分类(ImageNet-1K)和目标检测数据集(MS COCO, VOC2007)上做实验,效果都还很不错。
作者提出的CBAM框图:
通过作者提出的CBAM模块,让卷积网络可以学习“what”和“where”是关注的焦点;
作者新想法的来源是两篇参考文献,文中是参考文献【28】的channel-wise attention和参考文献【29】spatial attention;
CBAM介绍:
中间特征:
1Dchannel attention map:
2Dspatial attention map:
整个注意力过程:
表示点乘(element-wise multiplication)
channel attention module:
首先对于输入特征先进行平均尺化(average-pooling)和最大尺化(max-pooling )产生两个两个空间信息描述:Favg和Fmax。这两个描述子进入共享网络产生channel attention map:,这个共享网络包括一个隐藏层的多层感知机。为了减少参数,隐藏激活尺寸设定为,这里r就是减少率。然后通过元素求和合并两个输出。所以通道注意力计算:
查看代码:W1和W0是两个卷积层,同时W0后面还跟了一个relu激活,是sigmoid函数;
class ChannelAttention(nn.Module):
def __init__(self, in_planes, ratio=16):
super(ChannelAttention, self).__init__()
self.avg_pool = nn.AdaptiveAvgPool2d(1)
self.max_pool = nn.AdaptiveMaxPool2d(1)
self.fc1 = nn.Conv2d(in_planes, in_planes // 16, 1, bias=False)
self.relu1 = nn.ReLU()
self.fc2 = nn.Conv2d(in_planes // 16, in_planes, 1, bias=False)
self.sigmoid = nn.Sigmoid()
def forward(self, x):
avg_out = self.fc2(self.relu1(self.fc1(self.avg_pool(x))))
max_out = self.fc2(self.relu1(self.fc1(self.max_pool(x))))
out = avg_out + max_out
return self.sigmoid(out)
Spatial attention module:
对于特征图的channel information使用两个尺化操作产生两个2维的特征,
然后经过concat后,进入卷积操作;
简言之,spatial attention 计算:
代表是卷积核是7*7的卷积操作;
class SpatialAttention(nn.Module):
def __init__(self, kernel_size=7):
super(SpatialAttention, self).__init__()
assert kernel_size in (3, 7), 'kernel size must be 3 or 7'
padding = 3 if kernel_size == 7 else 1
self.conv1 = nn.Conv2d(2, 1, kernel_size, padding=padding, bias=False)
self.sigmoid = nn.Sigmoid()
self.tanh = nn.Tanh()
def forward(self, x):
avg_out = torch.mean(x, dim=1, keepdim=True)#每一行的均值;
max_out, _ = torch.max(x, dim=1, keepdim=True)#每一行的最大值;
x = torch.cat([avg_out, max_out], dim=1)
x = self.conv1(x)
return self.tanh(x) + 1
# return self.sigmoid(x) #ori
对于注意力机制模块的安排:
1)按照串联顺序链接;
2)channel-first 会比spatial-first好;
实验:
实验部分,我很感兴趣的是SE模块和CBAM模块的对比,结果是无论是分类还是目标检测加入CBAM模块的的结果完胜;
扩展阅读:通道注意力SE模块 https://blog.csdn.net/qq_22764813/article/details/95051082