[注意力机制]CBAM:Convolutional Block Attention Module

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:F\epsilon R^{^{C\times H\times W}}

1Dchannel attention map:M_{c}\epsilon R^{^{C\times 1\times 1}}

2Dspatial attention map:M_{s}\epsilon R^{^{1\times H\times W}}

整个注意力过程:

\otimes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,\sigma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

 

 

  • 4
    点赞
  • 48
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 4
    评论
CBAMConvolutional Block Attention Module)是一种用于图像分类任务的注意力机制模块。其结构框架如下: 1. Convolutional BlockCBAM首先通过卷积神经网络(CNN)提取特征。卷积层和池化层构成了CNN的基本结构,在这里不再赘述。 2. Channel Attention Module(CAM):CAM是CBAM的第一个注意力模块,用于对特征图中的通道信息进行加权。CAM包括两个子模块:全局平均池化(Global Average Pooling)和两个全连接层(Fully Connected Layers)。全局平均池化将每个通道的特征图压缩为一个标量,全连接层通过学习参数对每个通道进行加权,得到每个通道的重要性权重,最后再将特征图按照通道权重进行加权。 3. Spatial Attention Module(SAM):SAM是CBAM的第二个注意力模块,用于对特征图中的空间信息进行加权。SAM包括两个子模块:最大池化(Max Pooling)和两个卷积层(Convolutional Layers)。最大池化用于压缩特征图的空间信息,卷积层通过学习参数对每个像素进行加权,得到每个像素的重要性权重,最后再将特征图按照像素权重进行加权。 4. Addition:将CAM和SAM得到的特征图进行加和,得到最终的注意力特征图。 5. Residual Connection:将注意力特征图和原始特征图进行残差连接,得到最终的特征表示。 通过CBAM模块,模型可以动态地对不同位置和不同通道的特征进行加权,从而提高模型的表现。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

猫猫与橙子

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值