深度学习知识点3-CBAM轻量的注意力模块
论文：（2018）包含空间注意力和通道注意力两部分1807.06521
https://arxiv.org/pdf/1807.06521
通道注意力：对input feature maps每个feature map做全局平均池化和全局最大池化，得到两个1d向量，再经过conv，ReLU，1x1conv，sigmoid进行归一化后对input feature maps加权。
空间注意力：对feature map的每个位置的所有通道上做最大池化和平均池化，得到两个feature map，再对这两个feature map进行7x7 Conv，再使BN和sigmoid归一化。
局限性：CBAM是通过对每个位置的多个通道取最大值和平均值来作为加权系数，因此这种加权只考虑了局部范围的信息。
参考：CVPR2021|| Coordinate Attention注意力机制_位置注意力机制-CSDN博客
原文地址：https://blog.csdn.net/weixin_43899239/article/details/143712379
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！