🌟Paper: CBAM: Convolutional Block Attention Module
📖Abstract
文章提出了CBAM(Convolutional Block Attention Module),卷积块注意力模块,这是一种用于前馈卷积神经网络的简单而有效的注意力模块。
给定一个中间步骤的特征图,我们的模块会依次沿着通道和空间维度推断注意力图,然后将注意力图与输入特征图相乘以进行自适应特征优化。
由于CBAM是一个轻量级的通用模块,因此可以将其简单地集成到任何CNN结构中,而增加的计算量可以忽略不计,并且可以与basic CNN一起进行端到端的训练。
📖Introduction
卷积神经网络(CNN)凭借其强大的表达能力,极大地推动/改善了视觉任务的性能。 为了进一步提高CNN的性能,最近的研究主要关注网络的三个重要因素:深度,宽度和基数(?)。
到目前为止,从LeNet架构到Residual-style Networks,为了得到更丰富的特征信息,网络变得越来越深。 VGGNet显示,具有相同形状的堆叠块可以得出fair的结果。 遵循相同的想法&#