CBAM（Convolutional Block Attention Module，卷积块注意力模块）是2018年提出的一种将通道注意力和空间注意力相结合的混合注意力机制。它在SENet仅关注通道维度的基础上进行了重要扩展，通过同时关注"什么"（通道）和"哪里"（空间）这两个维度，实现了更全面的特征优化。下面我将从设计动机、核心原理、工作机制和优势特点几个方面，为你全面介绍CBAM。
1. 设计动机：从通道到空间的维度扩展
在CBAM被提出之前，SENet已经展示了通道注意力的强大效果，但它仅关注通道维度的特征重标定，忽略了空间维度上的信息重要性。然而，卷积操作本质上是将跨通道和空间信息混合在一起来提取特征。
CBAM的设计者认为，注意力不仅应该告诉网络"看什么"（哪些通道重要），还应该告诉网络"看哪里"（哪些空间位置重要）。基于这一洞察，CBAM被设计为一个轻量级的通用模块，可以无缝集成到任何CNN架构中，同时沿通道和空间两个维度推断注意力图，实现自适应特征细化。
2. 核心原理：顺序双维度注意力
CBAM的核心思想是将注意力机制分解为两个独立的维度——通道和空间，并按顺序应用这两个注意力模块。这种设计的优势在于：
通道注意力模块：关注"什么"特征是有意义的
空间注意力模块：关注"哪里"是信息丰富的区域
两个模块按顺序排列，且实验证明通道优先于空间的排列方式效果最佳。完整的CBAM处理流程可以表示为：
给定输入特征图F ∈ R^(C×H×W)，CBAM依次推断一维通道注意力图M_c ∈ R^(C×1×1)和二维空间注意力图M_s ∈ R^(1×H×W)，整个过程可以概括为：
F' = M_c(F) ⊗ F F'' = M_s(F') ⊗ F'
其中⊗表示逐元素乘法，注意力值在乘法过程中被相应地广播。
3. 工作机制详解
3.1 通道注意力模块
通道注意力模块聚焦于"什么"特征是重要的。其工作机制如下：
空间信息压缩：同时使用全局平均池化和全局最大池化对输入特征图的空间维度进行压缩，生成两个不同的空间上下文描述符
F_avg^c和F_max^c。这种双池化策略是CBAM相对于SENet的重要改进——平均池化学习目标对象的有效范围，最大池化收集区分性目标特征的线索。共享网络处理：将两个池化结果输入到一个共享的多层感知器（MLP）中。MLP由一个隐藏层组成，隐藏层尺寸为
R^(C/r × 1 × 1)，其中r是缩减率（通常取16），用于减少参数开销。权重生成与融合：将MLP处理后的两个输出进行逐元素求和，然后通过Sigmoid激活函数，生成最终的通道注意力权重
M_c ∈ R^(C×1×1)。
通道注意力的计算公式为：
M_c(F) = σ(MLP(AvgPool(F)) + MLP(MaxPool(F)))
3.2 空间注意力模块
空间注意力模块聚焦于"哪里"是信息丰富的区域，作为通道注意力的补充。其工作机制如下：
通道信息压缩：对通道注意力模块输出的特征图，沿通道轴应用全局平均池化和全局最大池化，生成两个二维特征图
F_avg^s ∈ R^(1×H×W)和F_max^s ∈ R^(1×H×W)。这两个池化操作分别聚合了通道维度上的平均特征和最大特征。特征拼接：将两个二维特征图按通道维度拼接，得到一个通道数为2的特征图
[F_avg^s; F_max^s] ∈ R^(2×H×W)。卷积处理与权重生成：使用一个卷积核大小为7×7的卷积层对拼接后的特征图进行卷积操作，生成一个单通道的特征图，然后通过Sigmoid激活函数，生成最终的空间注意力权重
M_s ∈ R^(1×H×W)。
空间注意力的计算公式为：
M_s(F) = σ(f^(7×7)([AvgPool(F); MaxPool(F)]))
3.3 模块排列顺序
CBAM的设计者通过大量实验验证了不同排列方式的效果：
顺序排列 vs 并行排列：顺序生成注意力图比并行生成产生更精细的注意力图
通道优先 vs 空间优先：通道注意力在前、空间注意力在后的顺序排列效果最佳
4. 主要优势与特点
4.1 性能提升显著
在ImageNet-1K图像分类任务中，CBAM显著提升了各种基线网络的性能。以ResNet50为例，嵌入CBAM后Top-1准确率提升了2.3%以上。Grad-CAM可视化结果也显示，CBAM增强的网络能够更准确地聚焦于目标对象区域，而非背景噪声。
4.2 双池化策略的创新
与SENet仅使用平均池化不同，CBAM在通道和空间注意力模块中都同时使用平均池化和最大池化。这种设计充分利用了两种池化的互补优势：平均池化学习目标对象的有效范围，最大池化收集区分性特征的线索。
4.3 轻量级与即插即用
CBAM被设计为轻量级模块，引入的额外参数和计算开销可忽略不计。它可以无缝集成到任何CNN架构中（如ResNet、MobileNet、Inception等），并与基础网络一起进行端到端训练。
4.4 广泛的适用性
CBAM不仅适用于图像分类，在目标检测（MS COCO、VOC 2007）和语义分割等任务中也表现出了显著的性能提升。实验表明，将CBAM应用于Faster R-CNN检测框架，mAP@[.5, .95]提升了0.8%以上。
5. 总结框图
为了更直观地理解CBAM的整体架构和工作流程，下图展示了其核心计算逻辑：
流程图解读：
上图清晰地展示了CBAM的完整数据流。输入特征图首先进入通道注意力模块，通过平均池化和最大池化的双路径处理，经过共享MLP后生成通道权重，实现对"什么"特征重要的关注。加权后的特征图随后进入空间注意力模块，再次通过平均池化和最大池化在通道维度上压缩，经7×7卷积生成空间权重，实现对"哪里"信息丰富的关注。这种"通道优先、空间在后"的顺序设计，使网络能够同时从两个维度自适应地优化特征表示。
6. 与SENet和ECA的对比
| 特性 | SENet | ECA | CBAM |
|---|---|---|---|
| 注意力维度 | 仅通道 | 仅通道 | 通道 + 空间 |
| 池化方式 | 仅平均池化 | 仅平均池化 | 平均池化 + 最大池化 |
| 通道交互方式 | 全连接层（降维） | 1D卷积（局部交互） | 全连接层（降维） |
| 空间注意力 | 无 | 无 | 有（7×7卷积） |
| 参数效率 | 较高 | 最高 | 中等 |
| 性能提升 | 良好 | 优秀 | 最全面 |
总结来说，CBAM通过巧妙地结合通道注意力和空间注意力，为卷积神经网络提供了一个更全面的特征优化方案。其"关注什么"和"关注哪里"的双重注意力机制，使其在各种视觉任务中都能带来显著的性能提升，成为继SENet之后最具影响力的注意力模块之一。
