Coordinate Attention for Efficient Mobile Network Design笔记

1. 论文基本信息标题：Coordinate Attention for Efficient Mobile Network Design作者：Qibin Hou, Jiashi Feng, Daquan Zhou机构：新加坡国立大学 (National University of Singapore)、SEA AI Lab刊物：CVPR 2021 (IEEE/CVF Conference on Computer Vision and Pattern Recognition)发表时间：2021年2.研究背景与意义传统的 SENet 因依赖 2D 全局池化而丢失了关键的空间坐标；而 CBAM 等方法虽然引入了空间注意力，却因通道降维和卷积操作的局部性，导致了信息流失且无法有效建模全局的长距离依赖关系。3. 研究方法与实验设计zch(h)=1W∑0≤iWxc(h,i)z_c^h(h) = \frac{1}{W} \sum_{0 \le i W} x_c(h, i)zch​(h)=W1​0≤iW∑​xc​(h,i)整个 X 轴（宽度方向）被压缩了，但 Y 轴的坐标（高度hhh）被完美保留了下来！ 这就是为什么公式左边叫zch(h)z_c^h(h)zch​(h)，括号里的hhh就是它死死守住的垂直坐标。zcw(w)=1H∑0≤jHxc(j,w)z_c^w(w) = \frac{1}{H} \sum_{0 \le j H} x_c(j, w)zcw​(w)=