Pointnet++改进即插即用系列：全网首发GLSA聚合和表示全局和局部空间特征|即插即用，提升特征提取模块性能

简介：
1.该教程提供大量的首发改进的方式，降低上手难度，多种结构改进，助力寻找创新点！
2.本篇文章对Pointnet++特征提取模块进行改进，加入GLSA，提升性能。
3.专栏持续更新，紧随最新的研究内容。

目录

1.理论介绍

2.修改步骤

2.1 步骤一

         2.2 步骤二

         2.3 步骤三

1.理论介绍

基于变压器的模型已经被广泛证明是成功的计算机视觉任务，通过建模远程依赖关系和捕获全局表示。然而，它们往往被大模式的特征所主导，导致局部细节(例如边界和小物体)的丢失，这在医学图像分割中是至关重要的。为了缓解这一问题，我们提出了一种双聚合变压器网络，称为DuAT，其特点是两个创新的设计，即全局到局部空间聚合(GLSA)和选择性边界聚合(SBA)模块。GLSA具有聚合和表示全局和局部空间特征的能力，这有利于分别定位大目标和小目标。SBA模块用于聚合底层特征的边界特征和高层特征的语义信息，以更好地保留边界细节和定位重标定目标。在六个基准数据集上进行的大量实验表明，我们提出的模型在皮肤病变图像和结肠镜图像中的息肉分割方面优于最先进的方法。此外，我们的方法在小目标分割和模糊目标边界等各种具有挑战性的情况下比现有方法更具鲁棒性。