CBAM注意力机制介绍

CBAM（Convolutional Block Attention Module）是一种基于注意力机制的网络模块，用于增强卷积神经网络（CNN）的表示能力。相比于传统CNN模型，CBAM在图像分类、目标检测和语义分割等任务中取得了更好的性能。

CBAM模块包含两个子模块：通道注意力模块（Channel Attention Module，CAM）和空间注意力模块（Spatial Attention Module，SAM）。CAM用于对通道维度进行注意力加权，以提高网络对重要特征通道的关注度；SAM用于对空间维度进行注意力加权，以提高网络对重要空间位置的关注度。两个子模块可以根据任务需求选用其中之一或两者结合使用。

CBAM的关键优势在于，它可以自适应地学习到特征图中不同通道和位置的重要性，从而提高了CNN的表达能力和泛化性能。