（怎么从0构建起框架1：）读VM-UNet: Vision Mamba UNet for Medical Image Segmentation有感

参考博客：

VMamba：SS2D的实现-CSDN博客了解SS2D：VMamba：SS2D的实现-CSDN博客

VMamba原文：2401.10166 (arxiv.org)

主要参考学习博客：VM-UNet: Vision Mamba UNet for Medical Image Segmentation-CSDN博客

VM-UNet原文：论文地址：https://arxiv.org/abs/2402.02491
                          项目地址：https://github.com/JCruan519/VM-UNet

激活函数：深度学习中常见的10种激活函数（Activation Function）总结_激活函数有哪些-CSDN博客

常见深度学习之十二大激活函数【函数定义、性质、数学公式、代码实现】_深度神经网络激活函数-CSDN博客

激活函数 Relu,Gelu,Mish,SiLU,Swish,Tanh,Sigmoid_gelu和silu-CSDN博客

正文：

全文的主要就是这个结构：

全文也没做过多的对比和细节，主要就是对各个部分进行介绍。

文中提到VMamba的主要核心部分就是Mamba，而Mamba的核心部分就是VSS模块，而VSS模块的核心部分就是SS2D。

而这篇文章主要其实就是没有自己的东西，就是纯纯的提取核心部分套上Unet结构。VSS模块包括SS2D模块，相当于什么都没动，原封不动的提出，搬运。（下图是VMamba原文图）

所以当前行核心任务就是把代码看懂，哪一块对应那一块。

文章中，还提到了激活函数，不同于以前的ReLu激活函数，而是用的SiLu激活函数。

（后期也可以在这个地方调细节，让模型效果更好。）

关于几个激活函数的区别可通过公式来分别：

1. ReLu(Rectified Linear Unit)  ——相当于就是把负数归0，非负数不变化

公式：

优缺点：

应用场景：

2. Sigmoid激活函数——有点归一化（两极化）的意思（让负数趋近于0，正数靠近1，让处于中间的比较少）

公式：

优缺点：

应用场景：

3.Tanh函数——这个和Sigmoid激活函数类似，这个两极化更加明显。

公式：

优缺点：

应用场景：

4.Silu(Sigmoid Linear Unit) or Swish

5.

Gelu(Gaussian Error Linear Units)

6.Mish (A Self Regularized Non-Monotonic Activation Function)