去年12月底，來自浙江大學李璽老師組的一篇文章，從頻域思考注意力機制，提出了頻域注意力方法FcaNet。

該方法簡單有效，在現有通道注意力機制中，只需改變計算中的一行程式碼即可實現。

所提出的方法在影象分類、目標檢測和例項分割任務上與其他通道注意力方法相比取得了最先進的結果。FcaNet與基線 SENet-50 相比，在引數數量和計算成本相同的情況下，在ImageNet 上的 Top-1 精度可以提高 1.8%。

更多詳細介紹，強烈推薦大家看一下這篇文章解讀：

從頻域角度重新思考注意力機制——FcaNet

官方開源地址：

https://github.com/dcdcvgroup/FcaNet