文章阅读：RIC-Unet

文章地址：RIC-Unet

概述

• 为关注浅层的语义信息，作者修改了下采样模块以包含残余模块以及初始模块以提取更强大的功能，在下采样部分中包含残差块以提取更具代表性的特征用于分割。
• 作者将初始模块与下采样部分中的残余块一起包括在内的模块命名为RI块（ResidualInception-block），其中包含更大的接收字段和更好的特征表示。
• 通道关注机制可以将参数训练集中在感兴趣的区域，同时考虑通道之间的相关性，并减轻过度配置问题。因此，作者将这个模块纳入上采样部分，以处理称为DC-块（解卷积 - 通道 - 块）的核外观的异质性。

方法

RIC-Unet的模型结构如下所示：

• 该模型包含三个部分和两个输出，左侧部分与U-net上采样部分具有相同的体系结构，输出是核的轮廓蒙版，中间部分包含RI块，右侧部分包含DC块，输出是原始核遮罩。
• 在编码阶段，作者使用一系列RI块来提取多尺度本地细节，且使用带有stride 2，内核大小为3 * 3的卷积运算符代替max-pooling运算符来保留更多细节。
• 在上采样部分中使用包含CAB（ChannelAttention-Block）模块的DC块，以基于低分辨率特征向高分辨率特征通道提供注意权重。详细地，通过平均合并将高级特征转换为关注矢量，然后将该矢量中包含的权重乘以低级特征，以给予信道不同的关注权重。

a为RI Block模块, (b)为DC block模块。

用RI-Blocks替换卷积层，RI-Blocks包括残余模块和初始模块。