CBAM是卷积神经网络中的一个模块，旨在通过在通道和位置上引入注意力机制，提升模型性能通道注意力机制通过在空间维度上压缩特征映射，得到一个一维向量与SENet不同的是，CBAM不仅使用平均池化，还加入了最大池化，以获取两个一维向量，更全面地反映特征信息随后，通过全连接层，生成带权重值的向量。

当这些行业生产地的碳定价低于欧盟标准，进口欧盟关税区的产品需支付CBAM凭证，弥补价格差，实质上建立了一个虚拟的碳定价机制计算进口产品嵌入式碳排放的方法有多种生产过程排放数据准确性高，但需企业详细监测和记录生产过程行业平均排放因子获取方便，但精度较低生命周期评估模型考虑全面，但。

欧洲碳边境调节机制Carbon Border Adjustment Mechanism， CBAM已在2023年5月17日正式生效，标志着欧盟在碳市场改革方面迈出了重要一步自2003年欧盟碳市场EU ETS成立以来，历经多个阶段的发展，已在全球碳交易中占据主导地位CBAM旨在解决碳泄漏问题，即欧盟企业因碳排放管制转移至成本较低的非欧盟国家。

CBAM碳关税对产品数据监控和收集工作排放标准主要包括以下两点完整性方面，监控方法需覆盖所有必要的参数，这些参数应遵循执行法规中的规定参数涉及设施直接排放燃烧及过程排放直接嵌入排放生产过程排放与热流材料流动相关排放，包含废气排放，设施间接排放电能消耗相关排放，以及间接嵌入排放。

卷积块注意力模块CBAM是ECCV 2018年的一项研究，旨在提升卷积神经网络CNN的性能CBAM通过沿通道和空间两个维度生成注意力映射，然后将注意力图应用于输入特征图，实现自适应特征细化该模块结构轻量化且通用性强，能无缝集成于任何CNN架构中，计算成本低，且易于与常见CNN进行端到端训练CBAM的。