CBAM块：通道、空间注意力（Convolutional Block Attention Module）浅层理解

CBAM块：通道、空间注意力（Convolutional Block Attention Module）

1.主要思想：

一种结合了空间（spatial）和通道（channel）的注意力机制模块。

2.框架

将特征图先后经过通道注意块和空间注意块，得到一个新的特征图。

特征图经过通道注意块会得到一个值，将这个值与原来的特征图的值相乘得到第二个值，将第二个值进入空间通道，会在次得到一个值，将这个值与第二个值相乘，得到第三个值，最后输出第三个值。

3.通道注意块：

将特征图并行通过最大池化和平均池化得到的特征，在经过一个共享MLP，从而得到两个权重，将这两个权重相加在经过sigmoid激活函数，最后得到一个通道权重。

4.空间注意块：

将通道注意块中得到权重乘以输入特征F得到新的特征F‘作为空间注意块的输入。在空间维度上，重复通道注意块中的池化，然后将两种不同池化得到的特征进行拼接，通过一个卷积层，学习空间的相关性，最后通过sigmoid激活函数，得到空间注意力。

5下载地址：原文下载