浅谈Attention UNet

1 理论

在这里插入图片描述
在这里插入图片描述
其中,g就是解码部分的矩阵,xl是编码(左边)的矩阵,x经过乘于系数(完成Attention)和g一起concat,进入下一层解码。
这里,Resampler重采样器把特征图重采样到的原来 x l x^l xl 大小,实践2里边的代码中, H g H_g Hg H x H_x Hx相等,即不对特征图的 H、W、D改变,所以没有Resample 操作。

数学公式:

q a t t l = ψ T ( σ 1 ( W x T x i l + W g T g i + b g ) ) + b ψ α i l = σ 2 ( q a t t l ( x i l , g i ; Θ a t t ) ) \begin{aligned} q_{a t t}^{l}=& \psi^{T}\left(\sigma_{1}\left(W_{x}^{T} x_{i}^{l}+W_{g}^{T} g_{i}+b_{g}\right)\right)+b_{\psi} \\ & \alpha_{i}^{l}=\sigma_{2}\left(q_{a t t}^{l}\left(x_{i}^{l}, g_{i} ; \Theta_{a t t}\right)\right) \end{aligned} qattl=ψT(σ1(WxTxil+WgTgi+bg))+bψαil=σ2(qattl(xil,gi;Θatt))

个人理解这里的Attention:
g, x l x^l xl 都在channel通道数量发生变化,从 F g F_g Fg F i n t F_{int} Fint 再到 1,这过程 g g g x l x^l xl分别和权重矩阵相乘,权重矩阵可以通过反向传播学习(alpha矩阵是其中的一个权重矩阵),获得 g g g, x l x^l xl每个元素的重要度,这个重要度是根据我们的目标来学习出来的。也就是我们引入Attention(增加alpha等权重矩阵)来学习到各个元素与目标之间的重要度。

2 实践

Pytorch Attention Unet:

class Attention_block(nn.Module):
    def __init__(self,F_g,F_l,F_int):
        super(Attention_block,self).__init__()
        self.W_g = nn.Sequential(
            nn.Conv2d(F_g, F_int, kernel_size=1,stride=1,padding=0,bias=True),
            nn.BatchNorm2d(F_int)
            )
        
        self.W_x = nn.Sequential(
            nn.Conv2d(F_l, F_int, kernel_size=1,stride=1,padding=0,bias=True),
            nn.BatchNorm2d(F_int)
        )

        self.psi = nn.Sequential(
            nn.Conv2d(F_int, 1, kernel_size=1,stride=1,padding=0,bias=True),
            nn.BatchNorm2d(1),
            nn.Sigmoid()
        )
        
        self.relu = nn.ReLU(inplace=True)
        
    def forward(self,g,x):
        # 下采样的gating signal 卷积
        g1 = self.W_g(g)
        # 上采样的 l 卷积
        x1 = self.W_x(x)
        # concat + relu
        psi = self.relu(g1+x1)
        # channel 减为1,并Sigmoid,得到权重矩阵
        psi = self.psi(psi)
		# 返回加权的 x
        return x*psi

Attention-Unet:

class AttU_Net(nn.Module):
    def __init__(self,img_ch=3,output_ch=1):
        super(AttU_Net,self).__init__()
        
        self.Maxpool = nn.MaxPool2d(kernel_size=2,stride=2)

        self.Conv1 = conv_block(ch_in=img_ch,ch_out=64)
        self.Conv2 = conv_block(ch_in=64,ch_out=128)
        self.Conv3 = conv_block(ch_in=128,ch_out=256)
        self.Conv4 = conv_block(ch_in=256,ch_out=512)
        self.Conv5 = conv_block(ch_in=512,ch_out=1024)

        self.Up5 = up_conv(ch_in=1024,ch_out=512)
        self.Att5 = Attention_block(F_g=512,F_l=512,F_int=256)
        self.Up_conv5 = conv_block(ch_in=1024, ch_out=512)

        self.Up4 = up_conv(ch_in=512,ch_out=256)
        self.Att4 = Attention_block(F_g=256,F_l=256,F_int=128)
        self.Up_conv4 = conv_block(ch_in=512, ch_out=256)
        
        self.Up3 = up_conv(ch_in=256,ch_out=128)
        self.Att3 = Attention_block(F_g=128,F_l=128,F_int=64)
        self.Up_conv3 = conv_block(ch_in=256, ch_out=128)
        
        self.Up2 = up_conv(ch_in=128,ch_out=64)
        self.Att2 = Attention_block(F_g=64,F_l=64,F_int=32)
        self.Up_conv2 = conv_block(ch_in=128, ch_out=64)

        self.Conv_1x1 = nn.Conv2d(64,output_ch,kernel_size=1,stride=1,padding=0)

    def forward(self,x):
        # encoding path
        x1 = self.Conv1(x)

        x2 = self.Maxpool(x1)
        x2 = self.Conv2(x2)
        
        x3 = self.Maxpool(x2)
        x3 = self.Conv3(x3)

        x4 = self.Maxpool(x3)
        x4 = self.Conv4(x4)

        x5 = self.Maxpool(x4)
        x5 = self.Conv5(x5)

        # decoding + concat path
        d5 = self.Up5(x5)
        x4 = self.Att5(g=d5,x=x4)
        d5 = torch.cat((x4,d5),dim=1)        
        d5 = self.Up_conv5(d5)
        
        d4 = self.Up4(d5)
        x3 = self.Att4(g=d4,x=x3)
        d4 = torch.cat((x3,d4),dim=1)
        d4 = self.Up_conv4(d4)

        d3 = self.Up3(d4)
        x2 = self.Att3(g=d3,x=x2)
        d3 = torch.cat((x2,d3),dim=1)
        d3 = self.Up_conv3(d3)

        d2 = self.Up2(d3)
        x1 = self.Att2(g=d2,x=x1)
        d2 = torch.cat((x1,d2),dim=1)
        d2 = self.Up_conv2(d2)

        d1 = self.Conv_1x1(d2)

        return d1

numpy 版本理解:

import numpy as np
# channel = 1
a = np.array([[1,1,0],[0,1,0],[1,1,1]])
b = np.array([[1,0,0],[0,1,0],[1,0,1]])
import torch
#m = nn.Sigmoid()
#print(m(torch.from_numpy(a).float()))
n_dim = 2
w1 = np.random.normal(0, 1, (a.shape[0],n_dim))
w2 = np.random.normal(0, 1, (b.shape[0],n_dim))
# Resample 到原来维度
w3 = np.random.normal(0, 1, (n_dim,a.shape[0]))
def relu(x):
    return x*(x>0)
def sigmoid(x):
    return 1/(1+ np.exp(-x))
# Add, Resample
res = np.matmul((np.matmul(a,w1) + np.matmul(b,w2)),w3)
# Relu
resRelu = relu(res)
# Sigmoid
resSigmoid= sigmoid(resRelu)
final = a*resSigmoid
print('a:\n', a)
print('\nb\n',b)

print('resSigmoid\n', resSigmoid)

print('\n final a:\n',final)

输出:

a:
 [[1 1 0]
 [0 1 0]
 [1 1 1]]

b
 [[1 0 0]
 [0 1 0]
 [1 0 1]]
resSigmoid
 [[0.5        0.9731015  0.5       ]
 [0.5        0.98390734 0.75471665]
 [0.94915347 0.66973461 0.5       ]]

 final a:
 [[0.5        0.9731015  0.        ]
 [0.         0.98390734 0.        ]
 [0.94915347 0.66973461 0.5       ]]

这里,可以看出,Attention的作用就是调整权重。
为什么可以调整权重呢?
感觉是两个输入 a, b都得和一个矩阵 w 1 , w 2 w1, w2 w1,w2 相乘,最终, w 1 , w 2 w1, w2 w1,w2通过反向传播学习, w 1 , w 2 w1,w2 w1,w2起到调整 a, b各元素向前传播的比例。

3 疑问与理解

使用两个矩阵相乘,第一次相乘是,g,x之间的权重分配,第二次相乘是,每个像素的权重分配。


最近开通了个公众号,主要分享计算机视觉,推荐系统,风控等算法相关的内容,感兴趣的伙伴可以关注下。
在这里插入图片描述
公众号相关的学习资料会上传到QQ群596506387,欢迎关注。


参考:

  1. GitHub源码:Attention U-Net: Learning Where to Look for the Pancreas
  2. Github pytorch 实现att-unet;
  3. Pytorch attention Unet;
  4. UNet 论文
  5. attention Unet论文
### Attention Unet 模型架构 Attention Unet是一种改进版的Unet,在原始Unet的基础上加入了注意力机制,从而提高了模型对重要特征区域的关注度。这种设计使得Attention Unet在网络结构中能够更加聚焦于目标对象的关键部分。 #### 基础架构特点 基础架构继承了经典Unet的设计理念,采用了U形编码解码器框架以及跳跃连接(skip connection),这有助于保留空间信息并减少下采样过程中丢失的信息量[^4]。 ```mermaid graph TB; subgraph Encoder "编码器" I0[input] C1[conv -> ReLU -> BN] D1[maxpooling] C2[conv -> ReLU -> BN] D2[maxpooling] ... Clast[conv -> ReLU -> BN] end subgraph Decoder "解码器" U1[upsample] A1[attention gate] M1(concatenate) R1[conv -> ReLU -> BN] Ulast[upsample] Alast[attention gate] Mlast(concatenate) Rlast[conv -> ReLU -> BN] end O(output) I0 --> C1;C1 --> D1;D1 --> C2;C2 --> D2; Clast -.-> U1; U1 --> A1;A1 --> M1;M1 --> R1; R1 --> Ulast;Ulast --> Alast;Alast --> Mlast;Mlast --> Rlast; Rlast --> O; ``` 此图展示了简化版本的Attention Unet架构,其中包含了编码路径、解码路径及其间的跳跃连接。特别值得注意的是,在每个跳跃连接处都加入了一个注意力门控单元(attention gate),用来增强那些对于当前任务更重要的特征通道的影响。 #### 注意力模块工作原理 具体而言,注意力模块接收两个输入:一个是来自编码阶段同一层次的空间位置特征$x$;另一个是从更深一层传递过来经过上采样的特征映射$g$。这两个向量会共同作用在一个权重矩阵之上,并通过激活函数得到最终输出$h(x,g)$作为加权后的特征表示形式: $$ h(x, g)=\sigma(\alpha \cdot f(g)+\beta \cdot x) $$ 这里$\sigma()$代表sigmoid函数,$f()$是一个线性变换操作,而$\alpha,\beta$则分别是可训练参数。 #### 应用场景 在医学影像分析领域,尤其是肝脏CT图像分割方面,Attention Unet展现出了卓越的表现。通过对感兴趣器官或病变部位施加重磅关注,可以有效提升预测精度和鲁棒性。此外,考虑到实际部署环境可能存在的硬件资源限制情况,研究者们也在探索如何优化此类大型卷积神经网络以便更好地适应边缘计算平台的需求[^3]。
评论 16
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

rosefunR

你的赞赏是我创作的动力!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值