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

发布时间:2024年01月18日

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

在这里插入图片描述

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。

在这里插入图片描述

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

文章来源:https://blog.csdn.net/qq_49288362/article/details/135680261
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。