类似GAM和CBAM的注意力机制有那些

除了Global Average Pooling (GAP) 和 Channel-wise Bottleneck Attention Module (CBAM) 这两类常见的全局和局部注意力机制外，还有以下几种类型的注意力机制：

1. **Spatial Attention** (空间注意力): 专注于图像的不同区域，比如SENet中的Squeeze-and-Excitation块，通过学习每个通道的重要性。

2. **Channel Attention** (通道注意力): 突出输入特征图中重要的通道，比如CBAM就是结合了空间注意力和通道注意力。

3. **Dynamic Filter Attention** (动态滤波器注意力): 根据输入动态调整滤波器权重，增强特征表达。

4. **Hierarchical Attention** (层次注意力): 对图像从低级到高级层次进行逐级聚焦，捕捉不同尺度的信息。

5. **Temporal Attention** (时间注意力): 在视频分析中，关注关键帧或动作的发生时刻。

6. **Graph Attention** (图注意力): 在图神经网络中，根据节点之间的连接关系分配注意力。

7. **Multi-scale Attention** (多尺度注意力): 考虑不同尺度的特征融合，适用于捕获全局和细节信息。

这些机制都是为了提升模型对输入信息的关注程度，并提高特征的表示能力。