SegNetr: 在U型网络中，重新思考局部-全局交互和跳跃连接

SegNetr: Rethinking the Local-Global Interactions and Skip Connections in U-Shaped Networks

摘要

最近，由于其简单易调结构，U型网络已经在医学图像分割领域占据主导地位。然而，现有的U型分割网络存在以下问题：1）主要专注于设计复杂的自注意模块，以弥补基于卷积操作的长期依赖性不足，从而增加了网络的参数总数和计算复杂度；2）仅简单地融合编码器和解码器的特征，忽视了它们空间位置之间的连接。

在本文中，研究重新思考了上述问题，并构建了一种轻量级的医学图像分割网络，称为SegNetr。

引入了一种新颖的SegNetr块，它可以在任何阶段以及仅具有线性复杂度的情况下动态地执行局部-全局交互。同时，设计了一种通用的信息保留跳跃连接（IRSC），以保留编码器特征的空间位置信息，并与解码器特征进行准确融合。

方法

Fig. 1. SegNetr方法概述。SegNetr块通过并行的局部和全局分支进行交互。IRSC保留了编码器特征的位置信息，并与解码器特征实现了准确融合。

Fig. 2. U-Net、SegNet和SegNetr跳跃连接的比较。不包含冗余的可计算模块，而是使用补丁反转（PR）提供空间位置信息。

文章代码没有开源，但是可以借鉴一下里面的模块设计

实验结果