本文内容:在不同位置添加CPCA注意力机制
目录
论文简介
低对比度和显著的器官形状变化等特征经常出现在医学图像中。现有注意机制的自适应能力普遍不足,限制了医学影像分割性能的提高。本文提出了一种有效的通道先验卷积注意(CPCA)方法,该方法支持通道和空间维度上注意权重的动态分布。通过采用多尺度深度卷积模块,有效地提取空间关系,同时保留先验通道。CPCA具有聚焦信息渠道和重点区域的能力。提出了一种基于CPCA的医学图像分割网络CPCANet。CPCANet在两个公开可用的数据集上进行验证
1.步骤一
新建blocks/CBAM.py文件,添加如下代码:
import torch
from torch import nn
import torch.nn.functional as F
class CPCA_ChannelAttention(nn.Module):
def __init__(sel