CBAM: Convolutional Block Attention Module

ECCV 2018

Abstrct

作者提出一个卷积注意力模块，具体操作为通过对特征图在通道和空间维度上推理attention，再将attention map与feature map相乘得到优化后的特征图。该模块具有通用性，可以嵌入任何CNN框架中。

Introduction

CBAM用于从channel和spacial强调有意义的特征。

Related Work

Attention Mechanism

SE-Net计算了通道注意力，但作者表示channel是次要特征，spatial更重要。

Convolutional Block Attention Module

输入中间特征图$F\in{\mathbb{R^{C*H*W}}}$，CBMA依次推断出$1D$channel attention map $M_c\in{\mathbb{R^{C*1*1}}}$和$2D$spatial attention map