ACC-UNet: A Completely Convolutional UNet Model for the 2020s

摘要

这十年以来，计算机视觉领域引入了 Vision Transformer，标志着广泛的计算机视觉发生了根本性的变革。类似的转变也出现在医学影像领域，UNet，作为最具影响力的架构之一，已经重新设计为使用了 Transformer。此外，像 ConvNext 这样的重要工作重新审视了视觉中卷积模型的有效性，将一个 ResNet 提升到了 Swin Transformer 的水平。

本文的目标是改进纯卷积 UNet 模型，使其能够与基于 Transformer 的模型（例如 Swin-Unet 或 UCTransNet）媲美。我们仔细研究了基于 Transformer 的 UNet 模型的几个优势，主要包括长距离依赖性和跨层级跳跃连接。尝试通过卷积操作来模拟它们，因此提出了 ACC-UNet，这是一个完全基于卷积的 UNet 模型，结合了卷积网络的固有归纳偏差和 Transformer 的设计原则。

感兴趣可以在 https://github.com/kiharalab/ACC-UNet 找到代码。

方法

这篇文章可以直接跑代码试一下效果

实验结果