1. SBAM介绍

         SBAM（Softmax-based Attention Module）和CBAM（Convolutional Block Attention Module）都是用于增强神经网络在特征提取阶段的注意力机制。

          SBAM 的优势：

         (1). 综合性注意力机制：
          通道注意力（Channel Attention）：通过自适应平均池化和卷积操作，使得网络能够动态地学习每个通道的重要性，从而增强特定通道的响应，有助于捕捉到更丰富的通道相关特征。
           空间注意力（Spatial Attention）：结合平均池化和最大池化的特征图，学习空间位置之间的相关性，以便更好地聚焦在重要的空间区域上。
          Softmax 注意力（Softmax Attention）：利用 Softmax 函数对平均池化和最大池化后的特征进行加权，进一步强化了网络对每个像素位置的重视程度，使得网络能够在像素级别进行精细的注意力调控。

          (2). 多层次的特征增强：
         SBAM 结合了通道、空间和像素级的注意力机制，使得网络在不同层次上都能够进行有效的特征增强，这种多层次的注意力机制有助于提升网络在复杂场景下的特征提取能力。

          (3). Softmax 权重调整：
          使用 Softmax 函数对特征图进行加权，确保了每个特征图的贡献度合理分配，避免了过度强调某些特征图而忽视其他重要信息。

          CBAM 的特点：