SA和SSA

图片来自：深度学习卷积神经网络重要结构之通道注意力和空间注意力模块

 SA(Spatial Attention)模块首先对输入信息分别进行 Maxpool、Avgpool 操作，并按通道维度拼接池化结果，再进行1x1Conv 卷积，最后经过 Sigmoid 激活函数得到输出，最大池化与平均池化操作互为补充以保留更多特性信息，网络学习更关注重要的邻域特征。SSA模块保留 SA机制的优势并加以改进，利用 1×1Conv 降低通道维度以实现轻量化，采用跨步卷积搭配 Maxpool、Avgpool 扩大感受野并降低空间维度，叠加 3x3Conv,然后通过一个1×1Conv 恢复通道维度，以跳跃链接的方式将降维前的点云特征融合到模块下游，该结构一定程度上缓解了网络退化，并弥补降维操作丢失的信息。