Torch 论文复现：卷积注意力模块 CBAM

CBAM 全称 Convolutional Block Attention Module，论文地址：CBAM

与 SE Block 相比，CBAM 对分类网络的 Top-1 Error 约有 0.2% 的改进；对 Top-5 Error 约有 0.1% 的改进

但是 SE Block 的不足之处在于只有通道注意力，没有空间注意力，用在目标检测这种定位任务上效果可想而知

CBAM 作为 通道注意力 + 空间注意力 的模块，用在目标检测任务上的效果是非常惊艳的：

• mAP@.5：约有 2.0% 的改进
• mAP@.75：约有 2.0% 的改进
• mAP@[.5, .95]：约有 1.0% 的改进

通道注意力模块

这个结构和 SE Block 是比较相似的，不同点在于 SE Block 只使用了平均池化

与 SE Block 相比，CBAM 增加最大池化可以对分类网络的 Top-1 Error、Top-5 Error 产生约 0.5% 的改进

通道注意力模块的运算可用以下公式表示：

运算流程为：将特征图的最大池特征、平均池特征，然后再使用全连接层 (等价于 1×1 卷积，参考 Torch 二维多通道卷积运算方式) 分别运算，求和之后使用 sigmoid 函数得到通道注意力 (值域为 [0, 1])

空间注意力模块

空间注意力模块则是沿着通道维度取最大值、平均值，拼接为二通道的特征图，再使用 7×7 卷积提取，使用 sigmoid 函数后得到空间注意力 (值域为 [0, 1])

CBAM 复现

对于 [c, h, w] 的特征图，通道注意力的 shape 为 [c, 1, 1]，空间注意力的 shape 为 [1, h, w]

而通道注意力和空间注意力的值域都是 [0, 1]，用作特征图的门控因子与特征图相乘

class CBAM(nn.Module):
    ''' Convolutional Block Attention Module
        c1: 输入通道数
        r: 全连接层隐藏层通道缩放比
        k: 空间注意力模块卷积核大小'''

    def __init__(self, c1, r=16, k=7):
        super(CBAM, self).__init__()
        c_ = int(c1 // r)
        self.mlp = nn.Sequential(
            nn.Conv2d(c1, c_, kernel_size=1),
            nn.Conv2d(c_, c1, kernel_size=1)
        )
        assert k & 1, '卷积核尺寸需为奇数'
        self.conv = nn.Conv2d(2, 1, kernel_size=k, padding=k // 2)

    def forward(self, x):
        # Channel Attention
        ca = torch.cat([
            F.adaptive_avg_pool2d(x, 1),
            F.adaptive_max_pool2d(x, 1)
        ], dim=3)
        ca = torch.sigmoid(self.mlp(ca).sum(dim=3, keepdims=True))
        x *= ca
        # Spatial Attention
        sa = torch.sigmoid(self.conv(torch.cat([
            x.mean(dim=1, keepdims=True),
            x.max(dim=1, keepdims=True)[0]
        ], dim=1)))
        x *= sa
        return x