前文已经介绍了注意力机制的原理以及注意力机制应用在深度学习领域的
优势，因此本文提出了注意力特征融合网络(AFFNet，Attention Feature Fusion
Network)。首先介绍AFFNet的整体结构。
AFFNet通过一个多层特征融合模块MFF，划分通道重要程度，让模型更加
关注信息量大的通道，抑制不重要的通道特征。接下来将输入特征图分成两部分
分别进行计算。先对输入特征图的全部通道输入到SAF模块中计算得到初始注
意力值a0。再将特征图的通道分为两部分，一部分先通过一个CBL模块，再经
过SAF模块得到注意力值a1。另一部分经过两个编码解码块后通过SAF模块得
到注意力值a2。同时初始注意力a
0也参与了a1、a2的生成。最后将三部分特征
进行拼接后输入到CBL模块中，进行特征输出。整体结构如图5.1所示。

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/繁依Fanyi0/article/detail/1007788