CBAM: o mecanismo de atenção dupla que deixa CNNs mais leves e precisas

Se você trabalha com visão computacional, já deve ter ouvido falar em “atenção” — o mecanismo que virou sinônimo dos Vision Transformers (ViT). Mas antes do ViT (2020) popularizar a ideia, uma abordagem mais antiga e bem mais leve já fazia isso em redes convolucionais: o CBAM, sigla para Convolutional Block Attention Module, apresentado por Woo et al. em 2018. Um guia detalhado publicado na Towards Data Science revisita o paper e ensina a implementá-lo do zero em PyTorch.

Atenção dupla: canal e espaço

O CBAM nasceu como evolução do SENet (Squeeze-and-Excitation Network, de 2017), que atribuía pesos de importância a cada canal da imagem. O CBAM vai além: além de ponderar canais, ele também dá pesos a cada pixel na dimensão espacial. Por isso os autores falam em um “mecanismo de atenção dupla”, dividido em dois módulos.

CAM — Channel Attention Module

O módulo de atenção de canal é parecido com o SENet, mas combina max pooling e average pooling — duas operações que capturam tipos diferentes de informação. O tensor resultante passa por um MLP com duas camadas lineares (uma reduz os canais por um fator de redução, a outra expande de volta), seguido de uma sigmoid que transforma tudo em pesos entre 0 e 1. O resultado diz ao modelo quais canais importam mais.

SAM — Spatial Attention Module

O módulo espacial inverte o eixo: o pooling é feito na dimensão de canal, de modo que cada pixel passa a ter um único valor que representa todos os canais ao mesmo tempo. A atenção resultante ensina o modelo onde (em qual região da imagem) prestar atenção, complementando o “o quê” do CAM.

Por que isso importa agora

O grande apelo do CBAM é ser plug-and-play e leve: a saída tem exatamente a mesma dimensão da entrada, então o bloco pode ser acoplado a qualquer backbone convolucional sem mexer nos formatos dos tensores. Isso o torna um ponto de partida natural para implantação em dispositivos de baixo consumo — exatamente o cenário em que os Vision Transformers, mais pesados, ainda sofrem. Para quem precisa de ganhos de acurácia em CNNs com custo computacional mínimo, o CBAM continua relevante quase uma década depois de sua publicação.