最近在看论文，发现很多的论文都用到了attentive moudule。
这也得益于越来越多的实验证明自注意力机制对于：什么是重要的？这个问题的合理解决。相比传统的直接生成特征图，对于每一个item进行同样的卷积提取特征等操作，让神经网络来自己学习哪部分是前景，哪部分是背景噪声，不重要，加入一个attentive module是一个很聪明的办法。
现在学术界涌现出许多的attentive module的设计方法，主要还是应用在2d目标检测领域。
这篇博客主要是对于一些开源的影响力大的模块进行一个介绍。
CMBA
论文题目：CBAM: Convolutional Block Attention Module
eccv2018 已经开源
这篇文章思考了两个问题，对于一个输入的特征图（HWC），什么（what）是重要的，以及哪一块（where）是重要的。
所以文章架构如上，这个attention module主要包含两个部分：
channel attention module
这个部分解决（what）的问题。
对于输入的特征图，这是个什么东西？我们在网络中常用的方法又max pool 和mean pool。这两种featuer aggregation的方法各有优劣，文章将两者结合起来进行操作。
其实没啥好说的，有深度学习基础的同学看到上面的图基本可以知道作者是怎么做的。
经过该模块我们得到一个11C的vector，这表示的便是这个特征图它代表什么东西。
Spatial attention module
这个模块则主要解决“where”的问题，特征图的哪一块信息是重要的？
主要是在channel维度进行max和mean操作，集合每一个voxel的所有信息。然后将它们进行一个拼接后进行conv操作。最后激活函数进行激活。得到的是一个HW1的特征图。
这两个模块进行串联得到了最好的结果。
在resnet中进行了这样的应用：
模块参数很少很轻、可以在神经网络中广泛应用。比如之前我讲过的一篇文章HVPR便应用了spatial attention。以及trans上一篇文章：SIEV-Net。
BAM: Bottleneck Attention Module
cmba同组同时期的作品。
British Machine Vision Association2018
基本思路是一样的，不过总体框架不一样：
channel branch是一样的：
spatial attention branch
这个层面的attention计算主要是要扩大每一个pixel在hw维度上的感受野 作者引入了膨胀卷积 主要是首先1x1维度的卷积进行channel减小 随后3x3的卷积进行感受野扩大 最后1X1的卷积生成HW1的feature
对于上述两个通道得到的feature map 将它们进行扩张到HWC维度 经过一盒sigmoid函数激活 再与原来的input tensor 进行元素级别的相乘
Coordinate Attention
论文题目：Coordinate Attention for Efficient Mobile Network Design
新加坡国立 2021cvpr
这篇文章主要是在SE上进行改进的。se直接进行global pool 显然是会失去位置信息的。这样子强调了channel维度的信息。
而我们熟悉的cmba则是通过channel 和 spatial串联得到的。这种方法是不是suboptimal的还没有一个定论。
这种方法则是将channel 和spatial维度综合起来
首先计算H和W维度的位置信息：
concat起来后 作为一个维度进行linear函数处理及激活 最后分开为两个维度 对于featuremap进行加权
很简单的思想 却实现了两种方案。
效果好于cmba
