CBAM 注意力机制

CBAM 是卷积神经网络中的注意力模块，它通过通道注意力和空间注意力来提升网络的表示能力。通道注意力通过使用最大池化和平均池化特征来生成比传统的SE（Squeeze-and-Excitation）注意力更好的表现。而空间注意力进一步推动网络的性能。CBAM模块能够学习在哪里和什么地方有效地强调或抑制中间特征，从而提高网络的性能。

CBAM 是一个轻量级的通用模块，可以无缝地集成到任何卷积神经网络架构中，并且可以与基本网络一起进行端到端训练。在 ImageNet-1K、MS COCO 和 VOC 2007 等多个基准数据集上的实验证明，CBAM 在分类和检测性能上都优于基线模型。