[注意力机制]CBAM:Convolutional Block Attention Module

论文链接：https://arxiv.org/abs/1807.06521v2

代码：https://github.com/luuuyi/CBAM.PyTorch

（最近在看人脸识别的轻量级网络，然后看到了与cbam相关的内容，就想尝试以下效果，是否有助于提升模型人脸识别的能力；）

论文的贡献：作者提出了卷积层的注意力模块（Convolutional Block Attention Module，CBAM），这个模块分为两个部分：channel和spatial。通过与输入特征相乘，自适应的对特征进行提纯（refinement）。这种注意力模块的优点就是：1，可以和任何CNN结构一起使用，不会增加额外的开销，并且实现的是端对端的训练。然后作者在分类（ImageNet-1K）和目标检测数据集（MS COCO， VOC2007）上做实验，效果都还很不错。

作者提出的CBAM框图:

通过作者提出的CBAM模块，让卷积网络可以学习“what”和“where”是关注的焦点；

作者新想法的来源是两篇参考文献，文中是参考文献【28】的channel-wise attention和参考文献【29】spatial attention；

CBAM介绍：

中间特征：

1Dchannel attention map:

2Dspatial attention map:

整个注意力过程:

表示点乘（element-wise multiplication） 

channel attention module：

首先对于输入特征先进行平均尺化（average-pooling）和最大尺化（max-pooling ）产生两个两个空间信息描述：Favg和Fmax。这两个描述子进入共享网络产生channel attention map：，这个共享网络包括一个隐藏层的多层感知机。为了减少参数，隐藏激活尺寸设定为，这里r就是减少率。然后通过元素求和合并两个输出。所以通道注意力计算：

查看代码：W1和W0是两个卷积层，同时W0后面还跟了一个relu激活，是sigmoid函数；

class ChannelAttention(nn.Module):
    def __init__(self, in_planes, ratio=16):
        super(ChannelAttention, self).__init__()
        self.avg_pool = nn.AdaptiveAvgPool2d(1)
        self.max_pool = nn.AdaptiveMaxPool2d(1)

        self.fc1   = nn.Conv2d(in_planes, in_planes // 16, 1, bias=False)
        self.relu1 = nn.ReLU()
        self.fc2   = nn.Conv2d(in_planes // 16, in_planes, 1, bias=False)

        self.sigmoid = nn.Sigmoid()

    def forward(self, x):
        avg_out = self.fc2(self.relu1(self.fc1(self.avg_pool(x))))
        max_out = self.fc2(self.relu1(self.fc1(self.max_pool(x))))
        out = avg_out + max_out
        return self.sigmoid(out)

Spatial attention module：

对于特征图的channel information使用两个尺化操作产生两个2维的特征，

然后经过concat后，进入卷积操作；

简言之，spatial attention 计算：

 代表是卷积核是7*7的卷积操作；

class SpatialAttention(nn.Module):
    def __init__(self, kernel_size=7):
        super(SpatialAttention, self).__init__()

        assert kernel_size in (3, 7), 'kernel size must be 3 or 7'
        padding = 3 if kernel_size == 7 else 1

        self.conv1 = nn.Conv2d(2, 1, kernel_size, padding=padding, bias=False)
        self.sigmoid = nn.Sigmoid()
        self.tanh = nn.Tanh()

    def forward(self, x):
        avg_out = torch.mean(x, dim=1, keepdim=True)#每一行的均值；
        max_out, _ = torch.max(x, dim=1, keepdim=True)#每一行的最大值；
        x = torch.cat([avg_out, max_out], dim=1)
        x = self.conv1(x)
        return self.tanh(x) + 1
#         return self.sigmoid(x) #ori

对于注意力机制模块的安排：

1）按照串联顺序链接；

2）channel-first 会比spatial-first好；

实验：

实验部分，我很感兴趣的是SE模块和CBAM模块的对比，结果是无论是分类还是目标检测加入CBAM模块的的结果完胜；

扩展阅读：通道注意力SE模块 https://blog.csdn.net/qq_22764813/article/details/95051082