CBAM：卷积块注意力模块
计算机视觉与模式识别
2018-07-19 v2
摘要
我们提出卷积块注意力模块（CBAM），一种用于前馈卷积神经网络的简单而有效的注意力模块。给定中间特征图，我们的模块沿通道和空间两个独立维度顺序推断注意力图，然后将注意力图乘到输入特征图以实现自适应特征细化。由于CBAM是轻量且通用的模块，它可无缝集成到任何CNN架构中，开销可忽略，并可与基础CNN端到端联合训练。我们在ImageNet-1K、MS COCO检测与VOC 2007检测数据集上通过大量实验验证了CBAM。我们的实验显示各种模型在分类与检测性能上的一致提升，证明了CBAM的广泛适用性。代码与模型将公开提供。
引用
@article{arxiv.1807.06521,
title = {CBAM: Convolutional Block Attention Module},
author = {Sanghyun Woo and Jongchan Park and Joon-Young Lee and In So Kweon},
journal= {arXiv preprint arXiv:1807.06521},
year = {2018}
}
备注
Accepted to ECCV 2018