danet注意力机制代码

以下是一个简单的 DAnet 注意力机制的代码示例：

import torch
import torch.nn as nn

class DAnet(nn.Module):
    def __init__(self, in_channels, out_channels, reduction=16):
        super(DAnet, self).__init__()
        self.avg_pool = nn.AdaptiveAvgPool2d(1)
        self.conv1 = nn.Conv2d(in_channels, in_channels // reduction, kernel_size=1, stride=1, padding=0)
        self.relu = nn.ReLU(inplace=True)
        self.conv2 = nn.Conv2d(in_channels // reduction, out_channels, kernel_size=1, stride=1, padding=0)
        self.sigmoid = nn.Sigmoid()

    def forward(self, x):
        b, c, _, _ = x.size()
        y = self.avg_pool(x)
        y = self.conv1(y)
        y = self.relu(y)
        y = self.conv2(y)
        y = self.sigmoid(y)
        return x * y.expand_as(x)

这段代码实现了一个简单的 DAnet 注意力机制，输入特征图 x 经过一个全局平均池化层，然后通过两个卷积层和一个 Sigmoid 激活函数计算注意力权重 y。最后，将注意力权重 y 与输入特征图 x 相乘得到加权特征图。