不知不觉我们每日两更的“网络结构1000变”板块已经有超过30000字的解读了，下面是该模块的汇总清单。
该模块的学习形式如下：
有三AI知识星球-网络结构1000变
CBAM
以前介绍过的Dynamic Capacity Network，Perforated CNNs是从空间维度进行Attention，SENet是从通道维度进行Attention，而CBAM(
Convolutional Block Attention Module)则是同时从空间维度和通道维度进行Attention。
作者/编辑 言有三
通道方向的Attention通过通道内的空间关系获取，原理如下：
同时使用最大pooling和均值pooling算法，然后经过几个MLP层获得变换结果，最后分别应用于两个通道，使用Sigmoid函数得到通道的Attention结果。
空间方向的Attention通过通道之间的空间关系获取，原理如下：
首先将通道本身进行降维，分别获取最大池化和均值池化结果，然后拼接，再使用一个卷积层进行学习。
这两种机制，分别学习了“怎么看”，“以及看什么”，这样的两个模块可以很容易地嵌入到任何已知的框架中。
上表展示了将这个方法用于不同模型后的结果，可知道该模型和SENet性能相当，都显著提升了baseline的性能，尤其是较深的ResNet50和ResNet101。
如果心动，就早日加入吧！学习债，越晚还的越多！
转载文章请后台联系
侵权必究
往期精选
- 有三AI知识星球官宣，BAT等大咖等你来撩
- 揭秘7大AI学习板块，这个星球推荐你拥有
- 【知识星球】千奇百怪的网络结构板块更新到哪里了？
- 【知识星球】动态推理网络结构上新，不是所有的网络都是不变的
- 【知识星球】做作业还能赢奖金，传统图像/机器学习/深度学习尽在不言
- 【知识星球】3D网络结构解读系列上新
- 【知识星球】颜值，自拍，美学三大任务简介和数据集下载
