pytorch代码实现注意力机制之MLCA

最新推荐文章于 2025-05-24 14:20:41 发布

「已注销」

最新推荐文章于 2025-05-24 14:20:41 发布

阅读量2.4k

点赞数 13

CC 4.0 BY-SA版权

分类专栏： pytorch实现各种注意力机制文章标签： pytorch 人工智能 python 计算机视觉深度学习目标检测视觉检测

本文链接：https://blog.youkuaiyun.com/DM_zx/article/details/135859425

pytorch实现各种注意力机制专栏收录该内容

26 篇文章

订阅专栏

本文介绍了一种新的轻量级混合局部通道注意力(MLCA)模块，它结合了信道、空间和局部、全局信息，提升目标检测网络性能。在PascalVOC和SMID数据集上，MLCA相比其他注意力机制如SE和CA表现出更好的性能和复杂度平衡，提升了模型精度。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

MLCA注意力机制

简要：注意力机制是计算机视觉中使用最广泛的组件之一，可以帮助神经网络强调重要元素并抑制不相关的元素。然而，绝大多数信道注意力机制仅包含信道特征信息而忽略了空间特征信息，导致模型表示效果或目标检测性能较差，空间注意力模块往往复杂且成本高昂。为了在性能和复杂度之间取得平衡，该文提出一种轻量级的混合本地信道注意（MLCA）模块来提升目标检测网络的性能，该模块可以同时结合信道信息和空间信息，以及局部信息和全局信息来提高网络的表达效果。在此基础上，提出了用于比较各种注意力模块性能的MobileNet-Attention-YOLO（MAY）算法。在 Pascal VOC 和 SMID 数据集上，MLCA 在模型表示的功效、性能和复杂性之间实现了比其他注意力技术更好的平衡。与PASCAL VOC数据集上的Squeeze-and-Excitation（SE）注意力机制和SIMD数据集上的Coordinate Attention（CA）方法相比，mAP分别提高了1.0%和1.5%。

原文地址：Mixed local channel attention for object detection

结构图

pytorch代码实现MLCA

import math, torch
from torch import nn
import torch.nn.functional as F

class MLCA(nn.Module):
    def __init__(self, in_size, local_size=5, gamma = 2, b = 1,local_weight=0.5):
        super(MLCA, self).__init__()

        # ECA 计算方法
        self.local_size=local_size
        self.gamma = gamma
        self.b = b
        t = int(abs(math.log(in_size, 2) + self.b) / self.gamma)   # eca  gamma=2
        k = t if t % 2 else t + 1

        self.conv = nn.Conv1d(1, 1, kernel_size=k, padding=(k - 1) // 2, bias=False)
        self.conv_local = nn.Conv1d(1, 1, kernel_size=k, padding=(k - 1) // 2, bias=False)

        self.local_weight=local_weight

        self.local_arv_pool = nn.AdaptiveAvgPool2d(local_size)
        self.global_arv_pool=nn.AdaptiveAvgPool2d(1)

    def forward(self, x):
        local_arv=self.local_arv_pool(x)
        global_arv=self.global_arv_pool(local_arv)

        b,c,m,n = x.shape
        b_local, c_local, m_local, n_local = local_arv.shape

        # (b,c,local_size,local_size) -> (b,c,local_size*local_size) -> (b,local_size*local_size,c) -> (b,1,local_size*local_size*c)
        temp_local= local_arv.view(b, c_local, -1).transpose(-1, -2).reshape(b, 1, -1)
        # (b,c,1,1) -> (b,c,1) -> (b,1,c)
        temp_global = global_arv.view(b, c, -1).transpose(-1, -2)

        y_local = self.conv_local(temp_local)
        y_global = self.conv(temp_global)

        # (b,c,local_size,local_size) <- (b,c,local_size*local_size)<-(b,local_size*local_size,c) <- (b,1,local_size*local_size*c)
        y_local_transpose=y_local.reshape(b, self.local_size * self.local_size,c).transpose(-1,-2).view(b, c, self.local_size , self.local_size)
        # (b,1,c) -> (b,c,1) -> (b,c,1,1)
        y_global_transpose = y_global.transpose(-1,-2).unsqueeze(-1)

        # 反池化
        att_local = y_local_transpose.sigmoid()
        att_global = F.adaptive_avg_pool2d(y_global_transpose.sigmoid(),[self.local_size, self.local_size])
        att_all = F.adaptive_avg_pool2d(att_global*(1-self.local_weight)+(att_local*self.local_weight), [m, n])

        x = x * att_all
        return x

if __name__ == '__main__':
    attention = MLCA(in_size=256)
    inputs = torch.randn((2, 256, 16, 16))
    result = attention(inputs)
    print(result.size())