FcaNet 是 频率通道注意力网络

本研究设计了一种全新的通道注意力机制，该机制基于DCT频率域，在图像分类、目标检测以及图像分割等多种任务中，其表现均超越了SENet、CBAM和GCNet等主流模型，相关代码与模型即将公开发布！

注：文末附有计算机视觉交流群信息

FcaNet: Frequency Channel Attention Networks

• 作者单位：浙江大学（李玺团队）
  • 论文：https://arxiv.org/abs/2012.11879

在计算机视觉研究中，注意力机制，特别是与通道相关的注意力模块，已展现出极为突出的成效。诸多研究致力于探索如何构建高效的通道注意力结构，却往往忽视了一个根本性的问题——即普遍采用全局平均池化（GAP）作为预处理手段的合理性。

本项研究则从全新视角切入，借助频率分析方法对通道注意力机制进行了重新审视。通过在频域内进行数学推导，我们揭示了传统GAP操作实际上是特征分解过程中的一个特例。基于这一发现，我们在频域层面拓展了通道注意力机制的预处理方式，并由此提出了一种具备创新性的多频谱通道注意力结构，即FcaNet。

![在这里插