特征图注意力_CBAM：卷积块注意力模块

此篇文章内容源自 CBAM: Convolutional Block Attention Module，若侵犯版权，请告知本人删帖。

原论文下载地址：

https://arxiv.org/pdf/1807.06521.pdf​arxiv.org

摘要

作者提出了卷积块注意力模块(CBAM)，一个简单但是有效的前馈卷积神经网络注意力模块。给定一组中间特征图，CBAM 模块依次从通道和空间两个不同的维度推算注意力图，然后将得到的注意力图与输入特征图相乘，以此进行自适应特征细化。因为 CBMA 是一个轻量级的通用模块，它可以无缝地集成到任何 CNN 架构，无需额外开销并且可以同基础 CNNs 一起进行端到端训练。作者在 ImageNet-1K, MS COCO detection, VOC 2007 检测数据集上进行了大量实验来验证 CBAM。实验表明，不同模型在分类和检测性能上都有了一致的改进，证明了CBAM的广泛适用性。

卷积块注意力模块

给定一个中间特征图

作为输入，CBAM 顺序地推算一个 1D 通道注意力图

和一个 2D 空间注意力图

，如图 1 所示。完整的注意力过程可以归纳如公式(1)所示。其中

表示按位相乘。按位相乘时，注意力值被相应地广播：通道注意力值沿着空间维度广