![8c9bb927649d8973e5c35ffcae720e07.png](https://i-blog.csdnimg.cn/blog_migrate/c93a8b17532c8831ba41562be69f5128.png)
Paper Reading Note: CBAM: Convolutional Block Attention Module
URL:
http://openaccess.thecvf.com/content_ECCV_2018/papers/Sanghyun_Woo_Convolutional_Block_Attention_ECCV_2018_paper.pdfopenaccess.thecvf.com官方代码实现:
https://github.com/Jongchan/attention-modulegithub.comTL;DR
作者提出了卷积块注意力模块,通过将输入特征在channel和spatial两个不同维度上压缩激活,两个模块按照串联的方式连接,在分类和检测任务上都取得了不错的效果,与SE关键的不同是引入了MaxPooling和spatial维度激活,作者的对比实验做得十分详细,值得一读
Dataset/Algorithm/Model/Experiment Detail
Dataset
ImageNet,MS COCO,VOC2007
Algorithm
作者旨在研究影响网络性能的其他因素,类比人类视觉系统关注显著区域,作者也想引入注意力机制帮助网络更好地关注对图像识别最关键的区域。
与直接计算3d a