【论文阅读】U-Net Transformer改进unet，可以用于生成模型

U-Net Transformer: Self and Cross Attention for Medical Image Segmentation

https://arxiv.org/abs/2103.06104

U-Net 使用编码器-解码器架构：编码器通过使用级联卷积层来提取高级语义表示，而解码器则利用跳跃连接重新使用编码器中的高分辨率特征图，以恢复丢失的空间来自高层代表的信息。

尽管 FCN 具有出色的性能，但它在复杂的分割任务中仍受到概念上的限制，例如 在处理局部视觉模糊和器官之间的低对比度时。图1a )中说明了 用 U-Net 分割与胰腺相对应的蓝色十字区域：红色框内的有限感受野没有捕获足够的上下文信息，导致分割失败，见图 1c )。