我们提出了一种卷积块注意力模块（Convolutional Block Attention Module, CBAM），这是一种简单而有效的注意力机制，适用于前馈卷积神经网络。给定一个中间特征图，我们的模块依次在两个独立的维度上推断注意力图，即通道和空间维度，然后将这些注意力图乘以输入特征图，以实现自适应特征精炼。由于CBAM是一个轻量级且通用的模块，它可以无缝集成到任何CNN架构中，并且几乎不会增加额外开销，同时可以与基础CNN模型一起进行端到端训练。我们通过在ImageNet-1K、MS COCO检测和VOC 2007检测数据集上的大量实验验证了CBAM的有效性。实验结果表明，在不同的模型中，CBAM在分类和检测性能上均表现出一致的提升，证明了其广泛的适用性。代码和模型将公开发布。