UNet 改进(8)：UNet与SimAM结合的图像分割模型

本文将详细解析一个结合了UNet架构和SimAM注意力机制的图像分割模型实现代码

展示了如何将先进的注意力机制融入经典的UNet结构中，以提升模型性能。

模型概述

这个实现构建了一个基于UNet架构的语义分割模型，并在其中加入了SimAM（Simple Attention Module）注意力机制。UNet是医学图像分割领域最成功的架构之一，而SimAM是一种无需额外参数的高效注意力机制。

核心组件解析

1. 基础构建块：DoubleConv

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_channels