CBAM的讲解

前言：

通道注意力让网络 关注图像“是什么”，而空间注意力则让网络关注图像 中物体“在哪“

1.概念

CBAM是一种简单而有效的卷积神经网络注意力模块。

在卷积神经网络任意给定一个中间特征图，CBAM将注意力映射 沿特征图的通道与空间两个独立的维度进行注入

然后将注意力乘以输入特征映射，对输入的特征图进行自适应特征细化。

因为CBAM是一种端到端的通用模块，它可以无缝的集成到CNNs中，并且可以与基本CNNs一起端到端的训练。

2 具体过程

CBAM 中的通道注意力和空间注意力结构如下图所示

          给定一个中间特征图 作为输入，CBAM的运算过程总体分为两部分，首先对输入按通道进行全局最大池化和均值池化，将池化后的两个一维向量送入全连接层运算后相加，生成一维通道注意力，再将通道注意力与输入元素相乘，获得通道注意力调整后的特征图F'；其次将F'按空间进行全局最大池化和均值池化，将池化生成的两个二维向量拼接后进行卷积操作，最终生成二维空间注意力，再将空间注意力与F'按元素相乘，具体流程如上图，CBAM生成注意力过程可描述为：

其中 表示对应元素相乘，在相乘操作前，通道注意力与空间注意力分别需要按照空间维度与通道维度进行广播。