注意力遇上卷积：CBAM 与 SE 模块如何重塑 CNN 特征表达

注意力遇上卷积：CBAM 与 SE 模块如何重塑 CNN 特征表达
卷积神经网络（CNN）通过层级卷积提取图像特征，但传统结构对所有特征同等对待，常因冗余信息干扰导致表达效率低下。注意力机制的引入，让 CNN 学会 “聚焦关键特征、抑制无用信息”，而 SE 模块与 CBAM 模块作为其中的典型代表，通过精准的特征加权，彻底重塑了 CNN 的特征表达能力。
从通道注意力到 SE 模块：让特征 “各尽其责”
SE 模块（Squeeze-and-Excitation）聚焦于通道维度的注意力调控，核心是通过学习为不同通道特征分配权重，让模型重视关键通道（如目标的颜色、纹理通道），弱化无关通道（如背景噪声通道）。其操作分为三步：
挤压（Squeeze）：通过全局平均池化将每个通道的空间信息压缩为单个数值，捕捉通道特征的全局响应（例如，猫的图像中 “毛发纹理” 通道的响应会高于 “天空背景” 通道）；
激励（Excitation）：用轻量全连接层学习通道间的依赖关系，输出与通道数相等的权重值，实现 “重要通道权重高、冗余通道权重低” 的动态调整；
加权（Scale）：将权重与原通道特征相乘，强化有用信息。
这种设计仅增加约 1% 的参数量，却能让 CNN 在 ImageNet 分类任务中提升 1-2% 的准确率，尤其在目标特征与背景混杂的场景中（如街景中的行人检测），能有效突出目标相关通道特征。
CBAM 模块：通道与空间的 “双重聚焦”
CBAM（Convolutional Block Attention Module）在 SE 模块基础上进一步扩展，同时关注通道与空间两个维度的注意力，实现 “哪部分通道重要、该通道中哪个位置更重要” 的双重精准调控。其创新在于增加了空间注意力分支，与通道注意力形成互补：
通道注意力：沿用 SE 的挤压 – 激励逻辑，先通过全局池化压缩空间信息，再学习通道权重；
空间注意力：聚焦于 “特征在哪个空间位置更重要”，通过通道维度的平均池化与最大池化融合特征，再用 1×1 卷积生成空间权重图（例如，在汽车图像中，空间权重会向 “车窗”“车轮” 等关键区域倾斜，而非车身周围的空白区域）；
串行作用：先通过通道注意力筛选重要通道，再对筛选后的特征施加空间注意力，形成 “通道选优→空间聚焦” 的递进式优化。
这种双重注意力机制，让特征加权更贴合任务需求：在语义分割中，既强调 “道路” 通道特征，又聚焦道路的空间连续区域；在目标检测中，既突出 “物体轮廓” 通道，又锁定轮廓的具体空间位置。
重塑 CNN 特征表达的核心价值
SE 与 CBAM 模块的本质，是让 CNN 从 “被动接收所有特征” 转向 “主动选择关键信息”。它们的引入带来三个显著改变：
特征判别性增强：通过动态加权，有用特征的响应被放大，冗余信息被抑制，使后续层能基于更 “纯净” 的特征学习；
泛化能力提升：在复杂场景（如光照变化、遮挡）中，注意力机制能稳定捕捉核心特征（如人脸遮挡时仍聚焦可见的眼睛、鼻子通道）；
轻量化与高效性平衡：仅通过池化、全连接层等简单操作实现注意力调控，避免了计算量的大幅增加，可无缝嵌入 ResNet、VGG 等主流架构。
从 SE 的 “单维度聚焦” 到 CBAM 的 “双维度协同”，注意力与卷积的结合，让 CNN 的特征表达从 “粗放提取” 走向 “精准筛选”。这种思路不仅提升了图像分类、目标检测等任务的精度（在 COCO 数据集上，嵌入 CBAM 的模型 mAP 可提升 2-3%），更推动 CNN 从 “机械的特征堆砌” 进化为 “智能的特征取舍”，为后续更复杂的视觉任务（如视频理解、小样本学习）奠定了高效特征表达的基础。