1.CBAM注意力机制介绍
理论来源:
https://arxiv.org/pdf/1807.06521.pdf

Convolutional Block Attention Module (CBAM)由两个模块构成,分别为通道注意力(CAM)和空间注意力模块(SAM),CAM可以使网络关注图像的前景,使网络更加关注有意义的GT区域,而SAM可以让网络关注到整张图片中富含上下文信息的位置。
这两个模块即插即用,建议串行加入到网络中(很多实验证明串行比并行好,但我认为,具体情况要具体分析,不同数据集结果会不同,不断尝试,哪个效果好就用哪个),下面的展示的代码是串行方法。
2.修改代码
第一步修改common.py
在common.py增加代码:
class ChannelAttention(nn.Module
本文介绍了如何在YOLOv7目标检测模型中添加CBAM注意力机制,以提高网络对图像前景和上下文信息的关注。CBAM包括通道注意力和空间注意力模块,可串联应用于网络。通过修改`common.py`、`yolo.py`和`.yaml`配置文件实现集成,并提供了训练自定义数据集的教程链接。
订阅专栏 解锁全文
1202

被折叠的 条评论
为什么被折叠?



