googlenet中加入cbam后结构图是怎样的

GoogleNet是一种经典的卷积神经网络架构，它主要由Inception模块组成。CBAM是一种注意力机制，可以应用于卷积神经网络中，以提高网络的性能。

加入CBAM后的GoogleNet结构图如下：

Input
|
|--Convolution (64 filters, 7x7, stride=2, padding=3)
|--Batch Normalization
|--ReLU
|--Max Pooling (3x3, stride=2, padding=1)

|--Convolution (64 filters, 1x1, stride=1)
|--Batch Normalization
|--ReLU
|--Convolution (192 filters, 3x3, stride=1, padding=1)
|--Batch Normalization
|--ReLU
|--Max Pooling (3x3, stride=2, padding=1)

|--Inception Module (256 filters)
|--Inception Module (480 filters)
|--Max Pooling (3x3, stride=2, padding=1)

|--Inception Module (512 filters)
|--Inception Module (512 filters)
|--Inception Module (512 filters)
|--Inception Module (528 filters)
|--Inception Module (832 filters)
|--Max Pooling (3x3, stride=2, padding=1)

|--Inception Module (832 filters)
|--Inception Module (1024 filters)

|--Global Average Pooling
|--Fully Connected (1000 classes)

|--CBAM Module (applied to intermediate features)

Output

在这个结构图中，CBAM模块被应用于GoogleNet中间特征图的输出，以提高网络的性能。