改写CBAM模块可以分为空间注意力模块和通道注意力模块其中CBAM的通道注意力机制和SENet网络不同它使用全局最大池化操作和全局平均池化操作压缩通道的特征从而可以更进一步的学习到不同特征之间的相关性。对于空间注意力模块如图14所示CBAM首先对通道注意力模块输出的特征图应用最大池化和平均池化操作得到两个特征图和然后将这两个特征图在通道维度上进行拼接拼接后的特征图经过一个77卷积操作和Sigmoi

CBAM模块包含了空间注意力模块和通道注意力模块两部分。不同于SENet网络的通道注意力机制，CBAM采用了全局最大池化和全局平均池化操作来压缩通道特征，以更深入地学习不同特征之间的相关性。对于空间注意力模块，CBAM首先对通道注意力模块输出的特征图进行最大池化和平均池化操作，得到两个特征图。然后，在通道维度上将这两个特征图进行拼接，经过一个7*7卷积操作和Sigmoid激活函数处理后，得到空间注意力图。最后，利用输出的空间注意力图对输入的目标特征图进行调整，输出精细化特征图。