ResUNet 改进：融合DLKA注意力机制

1.创新点分析

1. 概述

本报告详细分析了一个名为UResnet的深度学习网络架构，该网络结合了U-Net的编码器-解码器结构、ResNet的残差连接以及新型的Dilated Large Kernel Attention（DLKA）注意力机制。

该网络设计用于图像分割任务，通过多尺度特征提取和融合实现精确的像素级预测。

2. 网络架构

UResnet采用典型的编码器-解码器结构，包含以下几个核心组件：

2.1 编码器部分

编码器由四个下采样阶段组成，每个阶段包含：

• 一个VGGBlock或残差块（BasicBlock/BottleNeck）

• 最大池化层进行下采样

2.2 解码器部分

解码器对应四个上采样阶段，每个阶段包含：

• 上采样操作（双线性插值）

• 特征拼接（skip connection）

• VGGBlock