简介

论文原址：1807.06521.pdf (arxiv.org)

CBAM（Convolutional Block Attention Module）是一种卷积神经网络模块，旨在通过引入注意力机制来提升网络的表示能力。CBAM包含两个顺序子模块：通道注意力模块和空间注意力模块。

通过在深度网络的每个卷积块中自适应地优化中间特征图，CBAM通过强调通道和空间维度上的有意义特征，实现了对关键信息的关注和不必要信息的抑制。研究表明，CBAM在ImageNet-1K数据集上能够显著提高各种基线网络的准确性，通过grad-CAM可视化验证，CBAM增强的网络能够更准确地关注目标对象。在MS COCO和VOC 2007数据集上的目标检测任务中，CBAM也展现出显著的性能改进，而由于CBAM精心设计为轻量级模块，其在大多数情况下几乎没有参数和计算开销。CBAM注意力模块可广泛应用于提升卷积神经网络的表示能力。

Channel attention module（CAM）

通过平均池化和最大池化操作，整合输入特征图的空间信息，生成两个不同的空间上下文描述符，得到两个 1×1×C 的特征图，分别表示为 F_c_avg 和 F_c_max。将 F_c_avg 和 F_c_max 分别送入一个共享的多层感知机（MLP），该 MLP 具有一个隐藏层，其中第一层神经元个数为 C/r（r 为减少率），激活函数为 ReLU，第二层神经元个数为 C。这两层神经网络是共享的，即它们的权重相同。将两个 MLP 的输出特征进行逐元素相加，并通过 sigmoid 激活函数，生成通道注意力图 Mc。

这是对池化操作的使用进行实验比较的结果。研究者发现，采用平均池化和最大池化并行的方式能够取得更好的效果。可能是因为采用并行连接方式，相比于单一的池化，能够更有效地保留有用的信息，进而提升模型性能。

Spatial attention module（SAM）

首先，将 Channel Attention 模块输出的特征图作为 Spatial Attention 模块的输入特征图。接着，对输入特征图进行基于通道的全局最大池化和全局平均池化操作，得到两个 H×W×1 的特征图。然后，将这两个特征图在通道维度上进行拼接，经过一个 7×7 的卷积操作，将通道数降维为 1，即得到 H×W×1 的特征图。最后，经过 sigmoid 操作生成空间注意力特征，即 Ms。将该特征与输入特征图进行乘法操作，得到最终生成的特征。这一过程有助于模型关注输入特征图中的重要区域，从而增强表示能力。

CBAM的pytorch实现

"""
Original paper addresshttps: https://arxiv.org/pdf/1807.06521.pdf
Time: 2024-02-28
"""
import torch
from torch import nn

class ChannelAttention(nn.Module):
    def __init__(self, in_planes, reduction=16):
        super(ChannelAttention, self).__init__()
        self.avg_pool = nn.AdaptiveAvgPool2d(1)
        self.max_pool = nn.AdaptiveMaxPool2d(1)

        # shared MLP
        self.mlp = nn.Sequential(
            nn.Conv2d(in_planes, in_planes // reduction, 1, bias=False),
            nn.ReLU(inplace=True),
            nn.Conv2d(in_planes // reduction, in_planes, 1, bias=False)
        )
        self.sigmoid = nn.Sigmoid()

    def forward(self, x):
        avg_out = self.mlp(self.avg_pool(x))
        max_out = self.mlp(self.max_pool(x))
        out = avg_out + max_out
        return self.sigmoid(out)


class SpatialAttention(nn.Module):
    def __init__(self, kernel_size=7, padding=3):
        super(SpatialAttention, self).__init__()
        self.conv1 = nn.Conv2d(2, 1, kernel_size, padding=padding, bias=False)
        self.sigmoid = nn.Sigmoid()

    def forward(self, x):
        avg_out = torch.mean(x, dim=1, keepdim=True)
        max_out, _ = torch.max(x, dim=1, keepdim=True)
        x = torch.cat([avg_out, max_out], dim=1)
        x = self.conv1(x)
        return self.sigmoid(x)


class CBAM(nn.Module):
    def __init__(self, in_planes, reduction=16, kernel_size=7):
        super(CBAM, self).__init__()
        self.ca = ChannelAttention(in_planes, reduction)
        self.sa = SpatialAttention(kernel_size)

    def forward(self, x):
        out = x * self.ca(x)
        result = out * self.sa(out)
        return result

if __name__ == '__main__':
    block = CBAM(16)
    input = torch.rand(1, 16, 8, 8)
    output = block(input)
    print(output.shape)

参考文章

CBAM——即插即用的注意力模块（附代码）_cbam模块-CSDN博客

[ 注意力机制 ] 经典网络模型2——CBAM 详解与复现_cbam代码复现-CSDN博客