Convolutional Block Attention Module的公式推导

Convolutional Block Attention Module (CBAM) 是一种用于提高卷积神经网络性能的注意力机制。其公式推导主要分为两部分:

  1. Channel Attention: 首先,我们计算每个通道的重要性权重。这可以通过使用全局平均池化和全局最大池化来实现。公式如下:

$$ w_i = \frac{1}{1 + exp(-\frac{1}{\sqrt{d}}(avg_i - max_i))} $$

其中 $d$ 为通道维度,$avg_i$ 和 $max_i$ 分别表示第 $i$ 个通道的全局平均值和全局最大值。

  1. Spatial Attention:
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值