用于语义分割的自动聚焦层

我们提出用于语义分割的自动聚焦卷积层，旨在增强神经网络的多尺度处理能力。自动聚焦层基于所处理的上下文自适应地改变有效感受野的大小，以生成更强大的特征。这是通过并行多个具有不同膨胀率的卷积层，并由一个注意力机制结合来实现的，该机制学习根据上下文聚焦于最优尺度。通过共享并行卷积的权重，我们使网络具有尺度不变性，仅适度增加了参数数量。所提出的自动聚焦层可轻松集成到现有网络中以提升模型的表征能力。我们在具有挑战性的盆腔CT多器官分割和MRI脑肿瘤分割任务上评估了我们的模型，并取得了非常有前景的性能。