只使用通道注意力的有哪些

只使用通道注意力的注意力机制有以下几种：

1. Squeeze-and-Excitation Networks（SENet）：SENet使用全局平均池化和全连接层来计算每个通道的权重系数，然后将权重系数应用于通道特征映射中，以增强有用的特征。

2. Efficient Channel Attention Networks (ECA-Net)：ECA-Net使用一个1D卷积层对每个通道的特征进行处理，以计算每个通道的权重系数。ECA-Net使用了一个可分离卷积的形式，以降低计算复杂度。

3. Squeeze-and-Excitation Attention Module（SEAM）：SEAM使用一个全局平均池化层和两个全连接层来计算每个通道的权重系数，然后将权重系数应用于通道特征映射中。

4. Selective Kernel Networks (SKNet)：SKNet使用一个多分支卷积层来学习每个通道的权重系数，每个分支使用不同大小的卷积核来捕捉不同尺度的特征。然后，使用一个门控机制来选择最优的卷积核。

这些只使用通道注意力的机制都可以有效地提高卷积神经网络在通道维度上的表达能力，从而提高模型的性能。