Day 49 训练

---

CBAM注意力模块详解与实践：给CNN装上"智能眼镜"

在深度学习的视觉任务中，如何让模型更精准地关注图像中的关键部分一直是研究热点。今天我们就来深入探索CBAM（Convolutional Block Attention Module）注意力模块，它就像给卷积神经网络（CNN）装上了"智能眼镜"，能让模型同时学会"关注什么"和"关注哪里"。

一、CBAM是什么？

CBAM是一种即插即用的注意力模块，可以无缝集成到任何CNN架构中。它的核心目标是通过学习的方式，自动获取特征图在通道和空间维度上的重要性，进而对特征图进行自适应调整——增强重要特征，抑制不重要特征，从而提升模型的特征表达能力和性能。

与之前介绍的SE通道注意力相比，CBAM的突破在于：

• SE仅关注"哪些通道重要"
• CBAM不仅关注通道重要性，还定位关键特征在图像中的具体位置

这种双重注意力机制让模型能同时回答两个关键问题："我应该关注图像中的哪些特征？（通道注意力）“和"我在图像的哪个位置找到这些关键特征？（空间注意力）”。

二、CBAM的组成模块

CBAM由两个主要部分组成，二者顺序连接，共同作用于输入特征图：

1. 通道注意力模块（Channel Attention Module）

通道注意力模块的作用是分析"哪些通道的特征更关键"。以图像中的颜色、纹理通道为例，不同通道可能包含不同的重要信息。

实现原理：

• 使用全局平均池化和全局最大池化，将每个通道的特征图压缩为1×1，保留通道间的统计信息
• 通过共享的全连接层学习通道间的关系
• 使用Sigmoid函数将输出映射到0-1之间，作为各通道的权重

class ChannelAttention(nn.Module):def __init__(self, in_channels, ratio=16):super().__init__()self.avg_pool = nn.AdaptiveAvgPool2d(1)self.max_pool = nn.AdaptiveMaxPool2d(1)self.fc = nn.Sequential(nn.Linear(in_channels, in_channels // ratio, bias=False),nn.ReLU(),nn.Linear(in_channels // ratio, in_channels, bias=False))self.sigmoid = nn.Sigmoid()def forward(self, x):b, c, h, w = x.shapeavg_out = self.fc(self.avg_pool(x).view(b, c))max_out = self.fc(self.max_pool(x).view(b, c))attention = self.sigmoid(avg_out + max_out).view(b, c, 1, 1)return x * attention

2. 空间注意力模块（Spatial Attention Module）

空间注意力模块的作用是定位"关键特征在图像中的具体位置"，例如物体所在区域。

实现原理：

• 对输入特征图进行通道维度的平均池化和最大池化
• 将两种池化结果拼接后通过卷积层提取空间特征
• 使用Sigmoid函数得到空间注意力权重

class SpatialAttention(nn.Module):def __init__(self, kernel_size=7):super().__init__()self.conv = nn.Conv2d(2, 1, kernel_size, padding=kernel_size//2, bias=False)self.sigmoid = nn.Sigmoid()def forward(self, x):avg_out = torch.mean(x, dim=1, keepdim=True)max_out, _ = torch.max(x, dim=1, keepdim=True)pool_out = torch.cat([avg_out, max_out], dim=1)attention = self.conv(pool_out)return x * self.sigmoid(attention)

CBAM模块就是将这两个注意力模块串联起来，先进行通道注意力调整，再进行空间注意力调整：

class CBAM(nn.Module):def __init__(self, in_channels, ratio=16, kernel_size=7):super().__init__()self.channel_attn = ChannelAttention(in_channels, ratio)self.spatial_attn = SpatialAttention(kernel_size)def forward(self, x):x = self.channel_attn(x)x = self.spatial_attn(x)return x

三、CBAM的优势

1. 轻量级设计：仅增加少量计算量（全局池化+简单卷积），适合嵌入各种CNN架构（如ResNet、YOLO）
2. 即插即用：无需修改原有模型主体结构，直接作为模块插入卷积层之间
3. 双重优化：同时提升通道和空间维度的特征质量，尤其适合复杂场景（如小目标检测、语义分割）

四、CBAM的实际应用

我们通过在CIFAR-10数据集上的实验，展示如何将CBAM模块集成到CNN模型中，并观察其效果。

class CBAM_CNN(nn.Module):def __init__(self):super(CBAM_CNN, self).__init__()# 第一个卷积块（带CBAM）self.conv1 = nn.Conv2d(3, 32, kernel_size=3, padding=1)self.bn1 = nn.BatchNorm2d(32)self.relu1 = nn.ReLU()self.pool1 = nn.MaxPool2d(kernel_size=2)self.cbam1 = CBAM(in_channels=32)  # 添加CBAM# 第二个卷积块（带CBAM）self.conv2 = nn.Conv2d(32, 64, kernel_size=3, padding=1)self.bn2 = nn.BatchNorm2d(64)self.relu2 = nn.ReLU()self.pool2 = nn.MaxPool2d(kernel_size=2)self.cbam2 = CBAM(in_channels=64)  # 添加CBAM# 第三个卷积块（带CBAM）self.conv3 = nn.Conv2d(64, 128, kernel_size=3, padding=1)self.bn3 = nn.BatchNorm2d(128)self.relu3 = nn.ReLU()self.pool3 = nn.MaxPool2d(kernel_size=2)self.cbam3 = CBAM(in_channels=128)  # 添加CBAM# 全连接层self.fc1 = nn.Linear(128 * 4 * 4, 512)self.dropout = nn.Dropout(p=0.5)self.fc2 = nn.Linear(512, 10)def forward(self, x):# 各卷积块均包含CBAM模块x = self.conv1(x)x = self.bn1(x)x = self.relu1(x)x = self.pool1(x)x = self.cbam1(x)  # 应用CBAMx = self.conv2(x)x = self.bn2(x)x = self.relu2(x)x = self.pool2(x)x = self.cbam2(x)  # 应用CBAMx = self.conv3(x)x = self.bn3(x)x = self.relu3(x)x = self.pool3(x)x = self.cbam3(x)  # 应用CBAMx = x.view(-1, 128 * 4 * 4)x = self.fc1(x)x = self.relu3(x)x = self.dropout(x)x = self.fc2(x)return x

通过训练这个集成CBAM的CNN模型，我们在CIFAR-10数据集上观察到明显的性能提升。训练过程中的准确率和损失变化如下图所示：

CBAM注意力模块为CNN模型提供了一种强大的特征增强方式。通过同时关注"通道重要性"和"空间位置"，它显著提升了模型对关键特征的捕捉能力。

在实际应用中，我们可以在各种CNN架构中集成CBAM模块：

• 在目标检测任务中，帮助模型更精准地定位物体
• 在语义分割任务中，提升对不同区域特征的区分能力
• 在图像分类任务中，增强对关键判别特征的关注