论文地址：https://openaccess.thecvf.com/content_ECCV_2018/papers/Sanghyun_Woo_Convolutional_Block_Attention_ECCV_2018_paper.pdf

1、动机

卷积操作是通过混合通道和空间两个维度的信息来间特征提取的。在注意力方面，SE仅关注了通道注意力，没考虑空间方面的注意力。因此，本文提出了 CBAM——一种同时关注通道和空间注意力的卷积模块，可以用于CNNs架构中，以提升feature map的特征表达能力。

2、方法

CBAM的整体架构如上面图1所示，其包括两块内容：Channel Attention Module、Spatial Attention Module，也即通道注意力CAM、空间注意力SAM。假设CABM的输入feature map为，CBAM先用CAM得到1D通道注意力map ，再用SAM得到2D空间注意力map ，该过程公式表示如下：

   （1）

CAM和SAM的架构如图2所示：

CAM：对于输入的feature map F，首先在每个空间位置上应用MaxPooling、AvgPooling，得到两个C*1*1的向量，然后分别送入一个共享的包含两层FC的MLP，最后最像素相加融合，经过一个激活函数，得到通道注意力map，其公式表达为：

   （2）

SAM：CAM输出的feature map，将送入SAM。首先在每个通道上应用MaxPooling、AvgPooling，得到两个1*H*W的feature map，然后按通道concat起来，送入一个标准卷积层，经过激活函数之后就得到了空间注意力map，其公式表达为：

   （3）

CAM和SAM，一个关注“what”，一个关注“where”，两者可以并行或者串行使用。

3、Pytorch实现

CBAM包含了个子模块：CAM和SAM，使用时，分别实例化它们，然后顺序应用在某个feature map之后即可。下面给出其Pytorch代码：

import torch
from torch import nn


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)


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.register_buffer()

    def forward(self, x):
        avg_out = torch.mean(x, dim=1, keepdim=True)
        max_out, _ = torch.max(x, dim=1, keepdim=True)
        x = torch.cat([avg_out, max_out], dim=1)
        x = self.conv1(x)
        return self.sigmoid(x)