注意力机制+UNet最新创新点
·
1.空间注意力与通道注意力联合
将空间注意力和通道注意力结合应用于UNet中,使得网络能在不同的空间区域和通道维度上自动调整权重,增强重要特征的表达。
模型:UNet+SA+CA
数据集:ISIC 2018、BraTS
2.自适应注意力机制
引入自适应注意力机制,使得模型可以根据输入图像的不同特性动态调整注意力分配,提高对复杂背景和小物体的分割能力。
模型:UNet+自适应注意力
数据集:Cityscapes、VOC2012
3.多尺度注意力机制
在UNet的编码器和解码器部分加入多尺度的注意力机制,提升模型对不同尺度特征的关注,尤其在细节和边缘的保留上表现突出。
模型:UNet+Multi-scale Attention
数据集:ADE20K、PASCAL VOC
4.注意力机制优化的跳跃连接
通过在跳跃连接中加入注意力机制,使得UNet在不同层之间传递特征时能选择性地关注最重要的特征,避免信息丢失。
模型:UNet+Attention Skip Connections
数据集:DeepLesion、LIDC-IDRI
另外,我整理了十篇关于注意力机制的最新论文及代码,方便大家参考。

更多推荐
所有评论(0)