CBAMは、CNNの畳み込みブロックに差し込む注意（Attention）モジュールで、特徴マップに対して「どのチャネル（特徴の種類）を」「どの空間位置を」重視するかを学習します。TransformerのSelf-Attentionが語と語の関係を扱うのに対し、CBAMは画像特徴の地図に視線を配る——本記事は数式の暗記ではなく、その二段の「どこを見るか」に焦点を当てます。
CNNに注意が要る理由
CNNは畳み込みで局所特徴を抽出しますが、特徴マップのすべてのチャネル・すべての画素が等しく重要とは限りません。例えば猫の写真では「耳の形」「毛のテクスチャ」チャネルは重要でも、「空の色」チャネルはノイズになりやすい。物体が画面の一角にしか写っていないとき、位置の選択も効いてきます。
CBAMは、この特徴の取捨選択を、畳み込みブロックの出力に重みマスクとして掛けるモジュールです。CNNそのものを置き換えるのではなく、ブロックに足す部品として設計されています。
二段注意の直感
CBAMの流れは、試験向けに次の2段で覚えると整理しやすいです。
- チャネル注意 — 特徴マップのチャネル方向に重みを掛ける。「どの種類の特徴を強調するか」
- 空間注意 — 続けて高さ・幅方向に重みを掛ける。「どの位置を強調するか」
名前の Convolutional Block は、ResNetなどの畳み込みブロック単位に挿入する想定を示します。全体アーキテクチャではなく、モジュール名として覚えるのが試験向けです。
チャネル注意——「何を」
畳み込みの出力は、高さ×幅×チャネル数の三次元テンソルです。チャネル注意は、この中のどのチャネル（特徴の種類）を残すかを学習します。
- イメージ — エッジ検出チャネルはON、背景色チャネルはOFF、といった特徴の取捨
- 効果 — ノイズチャネルを抑え、物体に関係するチャネルを強調
- 試験の接点 — CNNの畳み込み層が特徴を抽出する（G-298）という土台の上に載る発想
空間注意——「どこを」
チャネル注意のあと、同じ特徴マップに空間注意を適用します。高さ・幅の各位置に重みを掛け、物体が写っている領域を強調するイメージです。
| 段階 | 問い | 重みの向き |
|---|---|---|
| チャネル注意 | どの特徴を使うか | チャネル軸 |
| 空間注意 | どの位置を見るか | 高さ・幅の平面 |
画像認識タスク全般（分類・検出・セグメンテーション）の文脈で位置づけられます（G-318）。
TransformerのAttentionとの違い
| 観点 | CBAM | TransformerのSelf-Attention |
|---|---|---|
| 対象 | CNNの特徴マップ | テキストなどの系列 |
| 役割 | 畳み込みブロックへの付加モジュール | モデルの中核機構（G-251） |
| 注意の種類 | チャネル＋空間の二段 | 系列内要素間のQ・K・V（Attention） |
| 分野 | 画像認識のCNN改良 | NLP・LLMの主流 |
「Attention」という語が共通でも、CBAM＝Transformerとは答えません。試験では主語のモデル族（CNN vs Transformer）を確認します。
試験で押さえるポイント
すり替えに注意
| 誤った説明 | 正しい理解 |
|---|---|
| CBAM＝Transformer | CNNモジュール vs 系列モデルの中核 |
| CBAM＝Self-Attentionそのもの | チャネル・空間の重み付け。QKV系列注意とは別設計 |
| CBAM＝CNN全体 | 畳み込みブロックに足す部品 |
| CBAM＝画像生成モデル | 認識向けCNNの改良。拡散モデルとは別系統 |
| CBAM＝チャネル注意だけ | チャネルと空間の二段構成 |
よくある質問
CBAMは何をするモジュールですか？
CNNの畳み込みブロックに挿入し、チャネル注意（どの特徴チャネルを重視するか）と空間注意（特徴マップのどの位置を重視するか）を順に適用して、重要な情報を強調するモジュールです。
CBAMとTransformerのAttentionは同じですか？
同じ「注意」という語を使いますが、役割が異なります。CBAMはCNNの特徴マップに対するチャネル・空間の重み付けモジュールです。TransformerのSelf-Attentionは系列内の語同士の関係を計算する中核機構であり、別物として整理します。
CBAMは画像認識のどこに効きますか？
背景ノイズが多い画像や、物体が占める領域が小さい場面などで、モデルが「どの特徴」「どの位置」に目を向けるべきかを学習しやすくする効果が期待されます。CNNの認識精度向上を目的とした付加モジュールです。