摘要

我们提出了一种用于语义分割的自动聚焦卷积层，旨在增强神经网络在多尺度处理方面的能力。自动聚焦层根据处理的上下文自适应地调整有效感受野的大小，以生成更强大的特征。这是通过并行使用具有不同膨胀率的多个卷积层，并结合一种注意力机制来实现的，该机制能够学习到由上下文驱动的最佳尺度。通过共享并行卷积层的权重，我们使网络具备了尺度不变性，同时仅适度增加了参数数量。所提出的自动聚焦层可以轻松集成到现有网络中，以提升模型的表示能力。我们在具有挑战性的盆腔CT多器官分割和脑肿瘤MRI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。