CBAM 是一種能夠集成到任何卷積神經網絡架構中的注意力模塊。它的核心目標是通過學習的方式，自動獲取特征圖在通道和空間維度上的重要性，進而對特征圖進行自適應調整，增強重要特征，抑制不重要特征，提升模型的特征表達能力和性能。簡單來說，它就像是給模型裝上了 “智能眼鏡”，讓模型能夠更精準地看到圖像中關鍵的部分

CBAM 由兩個主要部分組成：通道注意力模塊（Channel Attention Module）和空間注意力模塊（Spatial Attention Module）。這兩個模塊順序連接，共同作用于輸入的特征圖。

SE 通道注意力的局限：僅關注 “哪些通道重要”，未考慮 “重要信息在空間中的位置”。

CBAM 的突破：

通道注意力（Channel Attention）：分析 “哪些通道的特征更關鍵”（如圖像中的顏色、紋理通道）。

空間注意力（Spatial Attention）：定位 “關鍵特征在圖像中的具體位置”（如物體所在區域）。

二者結合：讓模型同時學會 “關注什么” 和 “關注哪里”，提升特征表達能力。