1. CPCA 模塊
CPCA（Channel Prior Convolutional Attention）是一種結合通道先驗信息的卷積注意力機制，旨在通過顯式建模通道間關系來增強特征表示能力。
核心思想
CPCA的核心思想是將通道注意力機制與卷積操作相結合，同時引入通道先驗知識，通過以下方式優化特征學習：
-
通道間關系顯式建模：直接學習通道間的依賴關系
-
局部空間信息保留：通過卷積操作保持空間局部性
-
先驗知識引導：利用已知的通道分布規律指導注意力權重計算
主要組件
1. 通道先驗模塊
該模塊通過統計分析或領域知識獲取通道間的關系先驗：
-
可通過大型數據集上的通道激活統計獲得
-
也可設計為可學習的參數化形式
-
常用形式包括：
-
通道協方差矩陣
-
)
