1.特性

1. 即插即用
2. 在特征提取效果显著
3. 微调模型的小技巧

2.核心思想

1. 本质上与人类视觉选择性注意力机制类似，从众多信息中选出对当前任务目标更为关键的信息。
2. 通过手段获取每张特征图重要性的差异
3. 抑制无用信息，凸显有用信息（将注意力集中在图中重要区域）

3.广泛应用

1. 自然语言处理
2. 图像识别
3. 语音识别

4.卷积神经网络中注意力机制研究现状

4.1单路注意力：

1.SE-Net(Squeeze and Excitation)(2018年CVPR提出)：利用注意力机制思想，显式地建模特征图之间的相互依赖关系，并通过学习的方式来自适应地获取到每张特征图的重要性，然后依照这个重要程度去对原数据进行更新。提升有用的特征重要程度同时降低无用特征的重要性，并以不同通道的重要性为指导，将计算资源合理地投入不同通道当中。

•  步骤解析如下： 
• 基础的卷积操作：提取特征图 ，得到 C个大小为    H*W的feature map。公式如下：

      ps:Vc表示第c个卷积核，Xs表示第s个输入

• Squeeze操作：全局平均池化将H*W*C的输入——变成1*1*C的输出

     ps:此步骤表明该层C个Feature map的数值分布情况（全局信息），是分别在某个channel的           feature map中操作。

•  Excitation操作：W1*z全连接层操作，C*C/r (r:缩放参数，目的是减少channel个数降低计算量)，W1*z维度：1*1*C/r，再经过一个ReLU层，维度不变。再与W2相乘，同样也是一个全连接层操作：W2维度 C/r*C，输出维度为1*1*C，经过sigmoid函数，得到s。

      ps:s维度 1*1*C，s是用于刻画U中feature map的权重，σ为relu激活函数，δ代表sigmoid激活          函数。

• Uc是一个二维矩阵，Sc是一个数即权重，因此相当于把Uc矩阵中的每个值都乘以Sc。

   缺点：降维对通道注意预测带来了副作用，捕获所有通道之间的依赖是低效的，也是不必要的。

   只注重通道内部信息的综合，没有考虑到相邻信道信息的重要性。

2.ECA-Net(Efficient Channel Attention)(2020CVPR提出，对SE-Net的改进)：不降低通道维数来进行跨通道信息交互的ECA模块。具体如下图所示：

创新点：

• 将SEBlock中MLP模块(FC->ReLU>FC->Sigmoid)，转变为一维卷积的形式，有效减少了参数计算量。
• 一维卷积自带的功效就是非全连接，每一次卷积过程只和部分通道的作用，即实现了适当的跨通道交互而不是像全连接层一样全通道交互。

代码实现：

class eca_layer(nn.Module):
    def __init__(self, channel, k_size=3):
        super(eca_layer, self).__init__()
        self.avg_pool = nn.AdaptiveAvgPool2d(1)
        self.conv = nn.Conv1d(1, 1, kernel_size=k_size, padding=(k_size - 1) // 2, bias=False)
        self.sigmoid = nn.Sigmoid()
    def forward(self, x):
        # x: input features with shape [b, c, h, w]
        b, c, h, w = x.size()
        # feature descriptor on the global spatial information
        y = self.avg_pool(x)
        # Two different branches of ECA module
        y = self.conv(y.squeeze(-1).transpose(-1, -2)).transpose(-1, -2).unsqueeze(-1)
        # Multi-scale information fusion
        y = self.sigmoid(y)
        return x * y.expand_as(x)

 SE-Net对比ECA-Net:

# SEBlock 采用全连接层方式
def forward(self, x):
    b, c, _, _ = x.shape
    v = self.global_pooling(x).view(b, c)
    v = self.fc_layers(v).view(b, c, 1, 1)
    v = self.sigmoid(v)
    return x * v
# ECABlock 采用一维卷积方式
def forward(self, x):
	v = self.avg_pool(x)
	v = self.conv(v.squeeze(-1).transpose(-1, -2)).transpose(-1, -2).unsqueeze(-1)
	v = self.sigmoid(v)
	return x * v

4.2多路注意力

1.SK-Net

2.Res-Net

3.CBAM(Convolutional Block Attention Module)(2018ECCV):对于卷积网络中的特征图而言，不仅通道蕴含着丰富的注意力信息，通道内部：即特征图像素点间也具有大量的注意力信息，以往注意力只关注通道，不关注空间。因而构建2个子模块，空间注意力SAM(Spatial Attention Module)，通道注意力模块CAM(Channel Attention Module）汇总空间和通道两方面的注意力信息，并进行综合，获得更全面可靠的注意力信息。

• CAM：1.特征图H*W*C 经过 MaxPool+AvgPool 得到1*1*C特征图；2.输入两层MLP神经网络：第一层神经元个数C/r（r为缩放率），激活函数ReLU，第二层神经元个数C，激活函数sigmoid。3.element-wise的加和操作，再经过sigmoid激活操作，生成最终的通道注意力特征。

•            
  
• SAM：1.空间注意力模块将通道注意力模块输出的特征图F作为本模块的输入特征图，特征图H*W*C 经过基于通道的 MaxPool+AvgPool 得到2个H*W*1的特征图，基于通道进行拼接；2.经过一个7*7卷积操作，降维为H*W*1，再经过sigmoid生成空间注意力特征。3.最后将该向量和该模块的输入特征图做乘操作，得到最终生成的特征。

代码实现：先通道后空间效果好  

class ChannelAttention(nn.Module):
    def __init__(self, in_planes, ratio=16):
        super(ChannelAttention, self).__init__()
        self.avg_pool = nn.AdaptiveAvgPool2d(1)
        self.max_pool = nn.AdaptiveMaxPool2d(1)
        self.fc1 = nn.Conv2d(in_planes, in_planes // ratio, 1, bias=False)
        self.relu1 = nn.ReLU()
        self.fc2 = nn.Conv2d(in_planes // ratio, in_planes, 1, bias=False)
        self.sigmoid = nn.Sigmoid()
    def forward(self, x):
        avg_out = self.fc2(self.relu1(self.fc1(self.avg_pool(x))))
        max_out = self.fc2(self.relu1(self.fc1(self.max_pool(x))))
        out = avg_out + max_out
        return self.sigmoid(out)
class SpatialAttention(nn.Module):
    def __init__(self, kernel_size=7):
        super(SpatialAttention, self).__init__()
        assert kernel_size in (3, 7), 'kernel size must be 3 or 7'
        padding = 3 if kernel_size == 7 else 1
        self.conv1 = nn.Conv2d(2, 1, kernel_size, padding=padding, bias=False)  # 7,3     3,1
        self.sigmoid = nn.Sigmoid()
    def forward(self, x):
        avg_out = torch.mean(x, dim=1, keepdim=True)
        max_out, _ = torch.max(x, dim=1, keepdim=True)
        x = torch.cat([avg_out, max_out], dim=1)
        x = self.conv1(x)
        return self.sigmoid(x)
class CBAM(nn.Module):
    def __init__(self, in_planes, ratio=16, kernel_size=7):
        super(CBAM, self).__init__()
        self.ca = ChannelAttention(in_planes, ratio)
        self.sa = SpatialAttention(kernel_size)
    def forward(self, x):
        out = x * self.ca(x)
        result = out * self.sa(out)
        return result

4.双注意力网络DA-Net(CVPR2019)：类似于CBAM,综合考虑通道和空间两路的注意力信息。但是获取注意力信息的方式不同，CBAM串行获取两路注意力信息的，而DA-Net是采用并行两路获取注意力信息的。

• PAM 位置注意力
• 具体步骤

•  CAM通道注意力
• 
• 具体步骤

•  代码实现

class PAM_Module(Module):
    def __init__(self, in_dim):
        super(PAM_Module, self).__init__()
        self.chanel_in = in_dim
        # 先经过3个卷积层生成3个新特征图B C D （尺寸不变）
        self.query_conv = Conv2d(in_channels=in_dim, out_channels=in_dim//8, kernel_size=1)
        self.key_conv = Conv2d(in_channels=in_dim, out_channels=in_dim//8, kernel_size=1)
        self.value_conv = Conv2d(in_channels=in_dim, out_channels=in_dim, kernel_size=1)
        self.gamma = Parameter(torch.zeros(1))  # α尺度系数初始化为0，并逐渐地学习分配到更大的权重
        self.softmax = Softmax(dim=-1)  # 对每一行进行softmax
    def forward(self, x):
        m_batchsize, C, height, width = x.size()
        proj_query = self.query_conv(x).view(m_batchsize, -1, width*height).permute(0, 2, 1)
        # C -> (N,C,HW)
        proj_key = self.key_conv(x).view(m_batchsize, -1, width*height)
        # BC，空间注意图 -> (N,HW,HW)
        energy = torch.bmm(proj_query, proj_key)
        # S = softmax(BC) -> (N,HW,HW)
        attention = self.softmax(energy)
        # D -> (N,C,HW)
        proj_value = self.value_conv(x).view(m_batchsize, -1, width*height)
        # DS -> (N,C,HW)
        out = torch.bmm(proj_value, attention.permute(0, 2, 1))  # torch.bmm表示批次矩阵乘法
        # output -> (N,C,H,W)
        out = out.view(m_batchsize, C, height, width)
        out = self.gamma*out + x
        return out
class CAM_Module(Module):
    """ Channel attention module"""
    def __init__(self, in_dim):
        super(CAM_Module, self).__init__()
        self.chanel_in = in_dim
        self.gamma = Parameter(torch.zeros(1))  # β尺度系数初始化为0，并逐渐地学习分配到更大的权重
        self.softmax  = Softmax(dim=-1)  # 对每一行进行softmax
    def forward(self,x):
        m_batchsize, C, height, width = x.size()
        # A -> (N,C,HW)
        proj_query = x.view(m_batchsize, C, -1)
        # A -> (N,HW,C)
        proj_key = x.view(m_batchsize, C, -1).permute(0, 2, 1)
        # 矩阵乘积，通道注意图：X -> (N,C,C)
        energy = torch.bmm(proj_query, proj_key)
        # 这里实现了softmax用最后一维的最大值减去了原始数据，获得了一个不是太大的值
        # 沿着最后一维的C选择最大值，keepdim保证输出和输入形状一致，除了指定的dim维度大小为1
        # expand_as表示以复制的形式扩展到energy的尺寸
        energy_new = torch.max(energy, -1, keepdim=True)[0].expand_as(energy)-energy
        attention = self.softmax(energy_new)
        # A -> (N,C,HW)
        proj_value = x.view(m_batchsize, C, -1)
        # XA -> （N,C,HW）
        out = torch.bmm(attention, proj_value)
        # output -> (N,C,H,W)
        out = out.view(m_batchsize, C, height, width)
        out = self.gamma*out + x
        return out
class DANetHead(nn.Module):
    def __init__(self, in_channels, out_channels, norm_layer):
        super(DANetHead, self).__init__()
        inter_channels = in_channels // 4  # in_channels=2018，通道数缩减为512
        self.conv5a = nn.Sequential(nn.Conv2d(in_channels, inter_channels, 3, padding=1, bias=False), norm_layer(inter_channels), nn.ReLU())
        self.conv5c = nn.Sequential(nn.Conv2d(in_channels, inter_channels, 3, padding=1, bias=False), norm_layer(inter_channels), nn.ReLU())
        self.sa = PAM_Module(inter_channels)  # 空间注意力模块
        self.sc = CAM_Module(inter_channels)  # 通道注意力模块
        self.conv51 = nn.Sequential(nn.Conv2d(inter_channels, inter_channels, 3, padding=1, bias=False), norm_layer(inter_channels), nn.ReLU())
        self.conv52 = nn.Sequential(nn.Conv2d(inter_channels, inter_channels, 3, padding=1, bias=False), norm_layer(inter_channels), nn.ReLU())
        # nn.Dropout2d(p,inplace)：p表示将元素置0的概率；inplace若设置为True，会在原地执行操作。
        self.conv6 = nn.Sequential(nn.Dropout2d(0.1, False), nn.Conv2d(512, out_channels, 1))  # 输出通道数为类别的数目
        self.conv7 = nn.Sequential(nn.Dropout2d(0.1, False), nn.Conv2d(512, out_channels, 1))
        self.conv8 = nn.Sequential(nn.Dropout2d(0.1, False), nn.Conv2d(512, out_channels, 1))
    def forward(self, x):
        # 经过一个1×1卷积降维后，再送入空间注意力模块
        feat1 = self.conv5a(x)
        sa_feat = self.sa(feat1)
        # 先经过一个卷积后，再使用有dropout的1×1卷积输出指定的通道数
        sa_conv = self.conv51(sa_feat)
        sa_output = self.conv6(sa_conv)
        # 经过一个1×1卷积降维后，再送入通道注意力模块
        feat2 = self.conv5c(x)
        sc_feat = self.sc(feat2)
        # 先经过一个卷积后，再使用有dropout的1×1卷积输出指定的通道数
        sc_conv = self.conv52(sc_feat)
        sc_output = self.conv7(sc_conv)
        feat_sum = sa_conv+sc_conv  # 两个注意力模块结果相加
        sasc_output = self.conv8(feat_sum)  # 最后再送入1个有dropout的1×1卷积中
        output = [sasc_output]
        output.append(sa_output)
        output.append(sc_output)
        return tuple(output)  # 输出模块融合后的结果，以及两个模块各自的结果

•  优点：DANet使用注意力模块，可以更有效地捕获全局依赖关系和长程上下文信息，在场景分割中学到更好的特征表示。位置注意模块能够捕捉到清晰的语义相似性和长程关系。当通道注意模块增强后，特定语义的响应是明显的。
• 缺点：矩阵计算使得算法的计算复杂度较高？模型的鲁棒性？缺少和DeepLab v3+的比较（可能没有DeepLab v3+的效果好）？

5.金字塔特征注意力网络（Pyramid FeatureAttention Network(2019CVPR)SE仅仅考虑了通道注意力，忽略了空间注意力。2.BAM和CBAM考虑了通道注意力和空间注意力，但仍存在两个最重要的缺点：(1)没有捕获不同尺度的空间信息来丰富特征空间。(2)空间注意力仅仅考虑了局部区域的信息，而无法建立远距离的依赖。3.后续出现的PyConv，Res2Net和HS-ResNet都用于解决CBAM的这两个缺点，但计算量太大。

PSA模块

• 代码实现

  class SEWeightModule(nn.Module):
      def __init__(self, channels=64, reduction=16):
          super(SEWeightModule, self).__init__()
          self.avg_pool = nn.AdaptiveAvgPool2d(1)
          self.fc1 = nn.Conv2d(channels, channels // reduction, kernel_size=1, stride=1, padding=0)
          self.relu = nn.ReLU(inplace=True)
          self.fc2 = nn.Conv2d(channels // reduction, channels, kernel_size=1, stride=1, padding=0)
          self.sigmoid = nn.Sigmoid()
      def forward(self, x):
          x = self.avg_pool(x)
          x = self.fc1(x)
          x = self.relu(x)
          x = self.fc2(x)
          x = self.sigmoid(x)
          return x
  class PAM_Module(nn.Module):
      # Position attention module
      def __init__(self, in_dim=64):
          super(PAM_Module, self).__init__()
          self.chanel_in = in_dim
          self.query_conv = nn.Conv2d(in_channels=in_dim, out_channels=in_dim // 2, kernel_size=1)
          self.key_conv = nn.Conv2d(in_channels=in_dim, out_channels=in_dim // 2, kernel_size=1)
          self.value_conv = nn.Conv2d(in_channels=in_dim, out_channels=in_dim, kernel_size=1)
          self.gamma = nn.Parameter(torch.zeros(1))
          self.softmax = nn.Softmax(dim=-1)
      def forward(self, x):
          # inputs :
          # x : input feature maps( B, C, H, W)
          # returns :
          # out : attention value + input feature
          # attention: B*(H*W)*(H*W)
          # [105, 16, 19, 19]
          m_batchsize, C, height, width = x.size()
          proj_query = self.query_conv(x).view(m_batchsize, -1, width * height).permute(0, 2, 1)
          proj_key = self.key_conv(x).view(m_batchsize, -1, width * height)
          energy = torch.bmm(proj_query, proj_key)
          attention = self.softmax(energy)
          proj_value = self.value_conv(x).view(m_batchsize, -1, width * height)
          out = torch.bmm(proj_value, attention.permute(0, 2, 1))
          out = out.view(m_batchsize, C, height, width)
          out = self.gamma * out + x
          return out
  # 通道注意力
  class CAM_Scale(nn.Module):
      def __init__(self , channels=64 , ratio = 16):
          super(CAM_Scale, self).__init__()
          self.avg_pool = nn.AdaptiveAvgPool2d(1) # 通道数不变，H*W*C变为1*1*64
          self.max_pool = nn.AdaptiveMaxPool2d(1)
          self.fc_layers=nn.Sequential(
              nn.Conv2d(channels , channels // ratio , 1 , bias = False),
              nn.LeakyReLU(),
              nn.Conv2d(channels//ratio , channels ,1, bias = False)
          )
          self.sigmoid = nn.Sigmoid()
      def forward(self , x):
          avg_out = self.fc2(self.leakyrelu(self.fc1(self.avg_pool(x))))
          #两层神经网络共享
          max_out = self.fc2(self.leakyrelu(self.fc1(self.max_pool(x))))
          out = self.sigmoid(avg_out + max_out)
          return x*out
  class DANetHead(nn.Module):
      def __init__(self, in_channels=64, out_channels=64):
          super(DANetHead, self).__init__()
          inter_channels = in_channels // 4
          self.conv5a = nn.Sequential(
              nn.Conv2d(in_channels, inter_channels, 3, padding=1, bias=False),
              nn.BatchNorm2d(inter_channels),
              nn.LeakyReLU())
          self.conv5c = nn.Sequential(
              nn.Conv2d(in_channels, inter_channels, 3, padding=1, bias=False),
              nn.BatchNorm2d(inter_channels),
              nn.leakyReLU())
          self.sa = PAM_Module(inter_channels)
          self.sc = CAM_Module(inter_channels)
          self.conv51 = nn.Sequential(
              nn.Conv2d(inter_channels, inter_channels, 3, padding=1, bias=False),
              nn.BatchNorm2d(inter_channels),
              nn.LeakyReLU())
          self.conv52 = nn.Sequential(
              nn.Conv2d(inter_channels, inter_channels, 3, padding=1, bias=False),
              nn.BatchNorm2d(inter_channels),
              nn.LeakyReLU())
          self.conv8 = nn.Sequential(nn.Dropout2d(0.1, False), nn.Conv2d(inter_channels, out_channels, 1))
          # se
          self.se = SEWeightModule(out_channels)
      def forward(self, x):
          feat1 = self.conv5a(x)
          sa_feat = self.sa(feat1)
          sa_conv = self.conv51(sa_feat)
          feat2 = self.conv5c(x)
          sc_feat = self.sc(feat2)
          sc_conv = self.conv52(sc_feat)
          feat_sum = sa_conv + sc_conv
          sasc_output = self.conv8(feat_sum)
          # se
          sasc_output = self.se(sasc_output)
          return sasc_output
  # Pyramid Split Dual Attention
  class PSDAModule(nn.Module):
      def __init__(self, inplans=64, planes=64, conv_kernels=[3, 5, 7, 9], stride=1, conv_groups=[1, 4, 8, 16]):
          super(PSDAModule, self).__init__()
          self.conv_1 = nn.Conv2d(inplans, planes // 4, kernel_size=conv_kernels[0], padding=conv_kernels[0] // 2, stride=stride, groups=conv_groups[0])
          self.conv_2 = nn.Conv2d(inplans, planes // 4, kernel_size=conv_kernels[1], padding=conv_kernels[1] // 2, stride=stride, groups=conv_groups[1])
          self.conv_3 = nn.Conv2d(inplans, planes // 4, kernel_size=conv_kernels[2], padding=conv_kernels[2] // 2, stride=stride, groups=conv_groups[2])
          self.conv_4 = nn.Conv2d(inplans, planes // 4, kernel_size=conv_kernels[3], padding=conv_kernels[3] // 2, stride=stride, groups=conv_groups[3])
          self.dan = DANetHead(planes // 4, planes // 4)
          self.split_channel = planes // 4
          self.softmax = nn.Softmax(dim=1)
      def forward(self, x):
          batch_size = x.shape[0]
          # 多尺度分组
          x1 = self.conv_1(x)
          x2 = self.conv_2(x)
          x3 = self.conv_3(x)
          x4 = self.conv_4(x)
          feats = torch.cat((x1, x2, x3, x4), dim=1)  # [105, 64, 41, 41]
          feats = feats.view(batch_size, 4, self.split_channel, feats.shape[2], feats.shape[3])  # [105, 4, 16, 41, 41]
          x1_dan = self.dan(x1)  # [105, 16, 1, 1]
          x2_dan = self.dan(x2)
          x3_dan = self.dan(x3)
          x4_dan = self.dan(x4)
          x_se = torch.cat((x1_dan, x2_dan, x3_dan, x4_dan), dim=1)               # [105, 64, 1, 1]
          attention_vectors = x_se.view(batch_size, 4, self.split_channel, 1, 1)
          attention_vectors = self.softmax(attention_vectors)
          feats_weight = feats * attention_vectors
          for i in range(4):
              x_se_weight_fp = feats_weight[:, i, :, :]
              if i == 0:
                  out = x_se_weight_fp
              else:
                  out = torch.cat((x_se_weight_fp, out), dim=1)
          return out