Mis on CBAM (Konvolutsiooni ploki tähelepanu moodul)?

CBAM (Convolutional Block Attention Module) — see on tähelepanu moodul konvolutsioonilistele närvivõrkudele, mis aitab mudelil keskenduda kõige olulisematele tunnustele ruumilistes ja kanalites mõõtmetes. See koosneb kahest järjestikusest alammodulist:

1. Kanalite tähelepanu moodul — arvutab iga kanali olulisuse, rõhutades olulisi kanaleid ja vähendades vähem olulisi.
2. Ruumilise tähelepanu moodul — arvutab iga ruumilise positsiooni (pikslit) olulisuse feature kaardil, esile tõstes peamised piirkonnad.

CBAM on lihtne integreerida olemasolevatesse konvolutsioonivõrkudesse ning parandab nende kvaliteeti tõhusama tunnuste eraldamise kaudu.

PyTorch näide:

import torch
import torch.nn as nn

class CBAM(nn.Module):
    def __init__(self, channels, reduction=16, kernel_size=7):
        super().__init__()
        # Kanalite tähelepanu
        self.avg_pool = nn.AdaptiveAvgPool2d(1)
        self.max_pool = nn.AdaptiveMaxPool2d(1)
        self.fc = nn.Sequential(
            nn.Conv2d(channels, channels // reduction, 1, bias=False),
            nn.ReLU(),
            nn.Conv2d(channels // reduction, channels, 1, bias=False)
        )
        self.sigmoid_channel = nn.Sigmoid()

        # Ruumiline tähelepanu
        self.conv_spatial = nn.Conv2d(2, 1, kernel_size, padding=kernel_size//2, bias=False)
        self.sigmoid_spatial = nn.Sigmoid()

    def forward(self, x):
        # Kanalite tähelepanu
        avg_out = self.fc(self.avg_pool(x))
        max_out = self.fc(self.max_pool(x))
        channel_att = self.sigmoid_channel(avg_out + max_out)
        x = x * channel_att

        # Ruumiline tähelepanu
        avg_out = torch.mean(x, dim=1, keepdim=True)
        max_out, _ = torch.max(x, dim=1, keepdim=True)
        spatial_att = self.sigmoid_spatial(self.conv_spatial(torch.cat([avg_out, max_out], dim=1)))
        x = x * spatial_att

        return x