UNet 改进(22)：结合Transformer结构

1.介绍

本文将深入解析一个结合了传统卷积神经网络(CNN)和Transformer的混合架构，该架构基于经典的UNet模型，并在瓶颈层引入了Transformer模块以增强全局上下文建模能力。

架构概述

这个网络是一个改进版的UNet架构，主要特点包括：

1. 保留了UNet的经典编码器-解码器结构
2. 在瓶颈层使用Transformer替代传统的卷积层
3. 采用跳跃连接保持空间细节信息
4. 使用双卷积块(DoubleConv)作为基础构建模块

核心组件详解

1. DoubleConv模块

class DoubleConv(nn.Module):
    def __init__(self, in_channels, out_channels):
        super().__init__()
        self.double_conv = nn.Sequential(
            nn.Conv2d(in_channels, out_channels, kernel_size=3, padding=1),
            nn.BatchNorm2d(out_