注意力机制论文 --- A Simple and Light-weight Attention Module for Convolutional Neural Networks(BAM)

最近找了十几篇神经网络注意力机制的论文大概读了一下。这篇博客记录一下其中一篇，这篇论文大概只看了摘要，方法。在ADCM论文中我们提到它的设计参考了BAM来的，因而找了这篇论文。它主要利用channel和spatial来结合组成一种bottleneck attention module(BAM)的模块，这个模块可以直接插入到神经网络中。主要还是通道注意力与空间注意力结合的方法，当然它并没有ADCM中的dropout这个过程。

Channel attention branch

通道注意力分支，找出哪个通道特征是最有效的，只从特征来看。分为三部分，第一部分就是全局平均池化，它会将每一个通道特征都变成一个值，这个值代表该通道的总体特征。第二部分就是MLP，找出通道之间的关系，并且得出通道之间的权重。第三部分就是归一化层，将输入进行统一来看。整体的过程可以用如下的公式来表示：

\[ M_c(F) = BN(MLP(AvgPool(\textbf{F}))) \]

 

 

 

 

Spatial attention branch

空间注意力分支，强调或者suppress不同空间位置，可以找出哪些空间位置是有效的。总共分为四部分，第一部分就是使用1X1卷积来缩减通道，缩减系数是r，经过这一层，通道数为C/r，第二部分就是俩层空洞卷积，为了得到上下文信息，这里需要更大的感受野，使用了俩层空洞卷积，第三部分又是一层1X1的卷积，将通道变为1。最终就是归一化层。整体的过程可以用如下公式来表示：

\[ M_s(F) = BN(f_3^{1X1}(f_2^{3X3}(f_1^{3X3}(f_0^{1X1}(\textbf(F)))))) \]

 

 

Combine two attention branches

合并注意力分支，主要将$M_c(F)$和$M_s(F)$合并，在合并之前，将$M_c(F)$和$M_s(F)$统一维度为C个通道，长宽为H、W，然后将对应元素相加，之后使用sigmoid函数变成0到1范围内的值

 

 

 

对于整个模块来说，它有俩大优势，第一有效的得到全局上下文信息，CNN堆积许多卷积层和池化层来获取上下文信息，虽然有效，但是增加了时间和空间复杂度，第二忽略了底层特征，而BAM可以放在模块的开始，那么底层特征也能得到上下文信息。整个模块的放置如下图所示