cbam注意力机制各参数详解

CBAM注意力机制包含两个独立的子模块，即通道注意力模块（Channel Attention Module，CAM）和空间注意力模块（Spatial Attention Module，SAM）。CAM主要用于通道上的注意力，而SAM则用于空间上的注意力。[3]

在CAM中，输入特征图F经过一系列的操作，得到一维通道注意图Mc。这个过程可以概括为Convolutional Block Attention Module。[2]CAM的目的是通过学习特征图的通道相关性，来提取重要的特征信息。CAM的具体参数和计算过程可以参考论文中的详细描述。[1]

SAM则用于空间上的注意力。具体来说，SAM通过一系列操作得到二维空间注意图Ms。SAM的目的是通过学习特征图的空间相关性，来提取重要的空间信息。SAM的具体参数和计算过程可以参考论文中的详细描述。[3]

总的来说，CBAM注意力机制是一个轻量级的注意力模块，它可以即插即用地集成到现有的网络架构中。它通过通道注意力和空间注意力来提取重要的特征信息，同时具有较小的参数量和计算量。[1][3]