之间存在息肉…模块出处

原文表述在临床环境中不同样本之间存在息肉的同步视觉模式。

基于这一关键观察属于所有训练数据的同一语义类的区域特征应该具有上下文关系。

因此我们提出了一种新颖的跨不同样本的上下文关系探索模块。

具体做法则是对于编码器最后一层得到的全局特征(图中红色方块)进行两次增强

\times

1×1卷积(图中浅紫色部分)以获取一个粗糙分割mask该mask与全局特征相乘后便能得到过滤掉背景特征的增强特征(图中enqueue左边的部分)。

第二次增强则是基于网络存储的源自其他训练样本的历史上下文信息(图中的Cross-Batch

模块代码

supervision监督以保证准确性Memory负责维护网络的历史信息为防止被破坏这部分信息并不参与梯度更新过程在测试阶段Memory不再更新直接使用训练所存储的历史信息这一思想与BatchNorm类似。

import

biasFalse),nn.BatchNorm2d(out_channel),nn.ReLU(),]return

conv1d(in_channel,

biasFalse),nn.BatchNorm1d(out_channel),nn.ReLU(),]return

ECRM(nn.Module):def

bank_sizeself.register_buffer(bank_ptr,

torch.zeros(1,

pointerself.register_buffer(bank,

feat_channels,

self.delta(bank).squeeze(dim2)#

attn_sum

torch.matmul(attn.transpose(1,2),

x_obj

train:self.update_bank(patch)ptr

int(self.bank_ptr)if

self.enhance_by_memory(self.bank,

feats_flat,

self.enhance_by_memory(self.bank[0:ptr],

feats_flat,