CBAM注意力机制结构

CBAM（Convolutional Block Attention Module）是一种用于增强卷积神经网络（CNN）表现的注意力机制结构。

CBAM由两个子模块组成：通道注意力模块和空间注意力模块。

通道注意力模块（Channel Attention Module）用于学习每个通道的重要性。它通过在每个通道上执行全局平均池化来计算通道权重，然后使用全连接层和激活函数来调整这些权重。最后，它将调整后的权重应用于每个通道的特征图，以产生具有更强表现力的通道特征。

空间注意力模块（Spatial Attention Module）则用于学习每个空间位置的重要性。它通过在每个空间位置上执行最大池化和平均池化来捕捉位置相关的信息，并使用全连接层和激活函数来计算每个位置的权重。最后，它将调整后的权重应用于每个位置的特征图，以产生具有更强表现力的空间特征。

通过组合这两个模块，CBAM可以学习通道和空间信息之间的交互，并在各种视觉任务上提高CNN的性能。