Attentional Feature Fusion中所提的注意力模块的代码

最新推荐文章于 2024-09-24 20:53:10 发布

梧梨香院

最新推荐文章于 2024-09-24 20:53:10 发布

阅读量1.1k

点赞数 2

文章标签：深度学习神经网络人工智能计算机视觉

本文链接：https://blog.youkuaiyun.com/m0_47452894/article/details/129157287

版权

本文分享了从Attentional Feature Fusion论文中提取的注意力模块代码，包括MS-CAM和AFF，提供了github链接供读者查阅和使用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最近看了Attentional Feature Fusion这篇文章，对其提出的注意力机制模块很感兴趣，所以就上github找了一下，为了方便自己记录和使用，所以就复制到这里了。

源代码的github的网址：https://github.com/YimianDai/open-aff/aff_pytorch/aff_net/fusion.py

论文的下载地址：https://arxiv.org/abs/2009.14082

在这里插入图片描述

MS-CAM的代码如下：

class MS_CAM(nn.Module):
    '''
    单特征 进行通道加权,作用类似SE模块
    '''

    def __init__(self, channels=64, r=4):
        super(MS_CAM, self).__init__()
        inter_channels = int(channels // r)

        self.local_att = nn.Sequential(
            nn.Conv2d(channels, inter_channels, kernel_size=1, stride=1, padding=0),
            nn.BatchNorm2d(inter_channels),
            nn.ReLU(inplace=True),
            nn.Conv2d(inter_channels, channels, kernel_size=1, stride=1, padding=0),
            nn.BatchNorm2d(channels),
        )

        self.global_att = nn.Sequential(
            nn.AdaptiveAvgPool2d(1),
            nn.Conv2d(channels, inter_channels, kernel_size=1, stride=1, padding=0),
            nn.BatchNorm2d(inter_channels),
            nn.ReLU(inplace=True),
            nn.Conv2d(inter_channels, channels, kernel_size=1, stride=