2019以来新出的空间注意力机制和混合空间注意力机制

2019年以来，出现了一些新的空间注意力机制和混合空间注意力机制，其中比较有代表性的有以下几种：

1. SE-Net中的通道注意力机制：SE-Net是一种基于卷积神经网络的图像分类模型，其中引入了一种通道注意力机制，通过学习每个通道的重要性权重，来增强有用的特征通道，抑制无用的特征通道。

2. CBAM中的空间注意力机制：CBAM是一种基于卷积神经网络的图像分类模型，其中引入了一种空间注意力机制，通过学习每个像素点在不同通道上的重要性权重，来增强有用的像素点，抑制无用的像素点。

3. BAM中的混合空间注意力机制：BAM是一种基于卷积神经网络的图像分类模型，其中引入了一种混合空间注意力机制，同时考虑通道和空间两个维度上的注意力权重，来增强有用的特征通道和像素点，抑制无用的特征通道和像素点。

4. DANet中的自适应卷积注意力机制：DANet是一种基于卷积神经网络的图像分割模型，其中引入了一种自适应卷积注意力机制，通过学习每个像素点在不同空间位置上的重要性权重，来增强有用的像素点，抑制无用的像素点。