UNet 改进(32)：与瓶颈注意力模块(BAM)实现

1.创新点分析

在计算机视觉领域，语义分割是一项重要任务，而UNet网络因其出色的性能成为该领域的经典架构。本文将详细介绍一个改进版的UNet实现，其中引入了瓶颈注意力模块(Bottleneck Attention Module, BAM)，以提升模型性能。

1. UNet网络简介

UNet是一种对称的编码器-解码器结构，最初设计用于生物医学图像分割。其核心特点包括：

• ​​编码器路径(下采样路径)​​：通过卷积和池化操作逐步提取特征并降低空间分辨率
• ​​解码器路径(上采样路径)​​：通过上采样和卷积操作逐步恢复空间分辨率
• ​​跳跃连接​​：将编码器路径中的特征图与解码器路径中的对应特征图拼接，保留更多空间信息

2. 代码结构解析

2.1 基础构建块：DoubleConv

class DoubleConv(nn.Module):
    def __init__(self, in_channels, out_channels):