ca注意力机制 Bottleneck

CA注意力机制（Channel Attention Mechanism）是一种注意力机制，它可以自适应地学习每个通道的权重，从而提高特征的表达能力。Bottleneck结构是将CA注意力机制应用于深度神经网络中的一种方法，它可以在保持模型参数数量不变的情况下提高模型的表达能力。

Bottleneck结构将输入特征图通过一个卷积层先降维，然后再通过一个CA注意力模块增强特征表达能力，最后再通过一个卷积层进行升维，从而保证特征图的大小不变。这个过程中，CA注意力模块可以学习每个通道的权重，从而让网络更加关注重要的特征通道，忽略无用的特征通道，提高了特征的表达能力。