优化一行代码！浙大提出FcaNet：频率域通道注意力网络

本文引入了一种基于离散余弦变换频域的通道注意力机制，在分类、目标检测以及图像分割任务中表现出色，并且其性能优于SENet、CBAM及GCNet等主流模型。该代码及训练框架将在未来正式开源发布！

注：文末附计算机视觉交流群

FcaNet: Frequency Channel Attention Networks

• 所属机构：浙江大学（创新团队）
• 代码仓库：https://gitee.com/dcdcvgroup/FcaNet
• 研究论文：https://www.arxiv.org/abs/2012.11879

注意力机制在计算机视觉领域获得了显著的进展。特别强调的是通道注意力机制的应用效果尤为突出。然而，在预处理阶段却忽视了一个关键点：普遍采用全局平均池作为无条件的选择。许多研究致力于构建高效的通道注意力机制以提升性能表现但往往忽略了这一基础性问题导致在某些场景下其有效性受到限制

在本研究中，我们以多维度视角出发，并采用频率分析法重新审视通道的关注力机制。利用频率域分析的技术，在理论上证实经典的GAP（Gated Attention Mo