CBAM和SENET，谁更优秀

SENet 是2017年的世界冠军，CBAM 是2018年的分类冠军，它们都是模型中的注意力机制。现在任何流行的网络都可以嵌入这些模块。

SENET 模块：

def SE_moudle(input_xs, reduction_ratio=1): shape = input_xs.get_shape().as_list() se_module = tf.reduce_mean(input_xs, [1,2])#第一个De

CBAM 是一种轻量的注意力模块，具有性能优异和易于实现的特点。以下为 CBAM 的文章目录：

- 论文通道注意力机制 (Channel Attention Module) - 空间注意力机制 (Spatial Attention Module) - CBAM 与 ResNet 网络结构组合 - 可视化效果图代表

如上图所示，在输入 SE 注意力机制之前 (左侧图C)，特征图的每个通道的注意力程度都是一样的；通过 SENet 之后 (右侧彩图C)，不同颜色代表不同的权重，使每个特征通道的重要性得到了区分。

CBAM 和 SENet 均是非常优秀的模块，它们都可以应用到各种网络中。以 CoordAtt (CA) 为例，你可以下载 v0 版本后，在主目录 models 文件下创建一个 yolov5m_CA 的 yaml 文件，然后根据需要进行修改即可。

以上就是关于 CBAM 和 SENet 哪个好的详细讲解，希望对你有所帮助。

热点：币圈cb neo币 se虚拟币 se元宇宙 ETC