نقترح وحدة الانتباه البلوكية التلافيفية (Convolutional Block Attention Module - CBAM)، وهي وحدة انتباه بسيطة ولكنها فعّالة لمجموعات الشبكات العصبية التلافيفية ذات التغذية الأمامية. بناءً على خريطة الميزات الوسيطة، تقوم وحدتنا باستنتاج خرائط الانتباه تباعيًا في البعدين المنفصلين، القناة والمكاني، ثم يتم ضرب خرائط الانتباه في خريطة الميزات الإدخالية لتحسين الميزات بشكل متكيف. نظرًا لأن CBAM هي وحدة خفيفة الوزن وعامة، يمكن دمجها بسلاسة في أي هياكل شبكات CNN مع تكاليف إضافية قليلة جدًا وهي قابلة للتدريب من النهاية إلى النهاية مع شبكات CNN الأساسية. نحن نتحقق من صحة CBAM من خلال تجارب مكثفة على مجموعات بيانات ImageNet-1K و MS COCO Detection و VOC 2007 Detection. أظهرت تجاربنا تحسينات مستمرة في أداء التصنيف والكشف باستخدام مجموعة متنوعة من النماذج، مما يدل على مدى توافق CBAM الواسع. سيتم توفير الكود والنماذج بشكل عام.