前言
本文介绍了将蒙特卡洛注意力（MCAttn）模块与YOLOv11相结合的方法。MCAttn是尺度可变注意力网络（SvANet）的核心创新模块，模拟蒙特卡洛随机采样逻辑，从多尺度池化张量中随机选特征，按关联概率加权融合生成注意力图，兼顾局部细节与全局上下文。我们将MCAttn模块引入YOLOv11，对相关代码进行修改和注册，并配置了yolov11 - MoCAttention.yaml文件。实验脚本显示，该结合方式应用于目标检测任务。
文章目录： YOLOv11改进大全：卷积层、轻量化、注意力机制、损失函数、Backbone、SPPF、Neck、检测头全方位优化汇总
专栏链接: YOLOv11改进专栏
介绍
摘要
摘要——早期检测与准确诊断能够预测恶性疾病转化风险，进而提高有效治疗的概率。具有微小感染区域的轻微症状是不祥预警，在疾病早期诊断中至关重要。卷积神经网络（CNNs）等深度学习算法已被用于自然目标或医疗目标分割，取得了良好效果。然而，由于CNNs中卷积和池化操作会导致信息丢失与压缩伪影，图像中小面积医疗目标的分析仍面临挑战。随着网络深度增加，这些丢失和缺陷愈发显著，对小医疗目标的影响尤为突出。为应对这些挑战，本文提出一种新型尺度可变注意力网络（SvANet），用于医学图像中小尺度目标的精准分割。该网络整合了蒙特卡洛注意力（Monte Carlo attention）、尺度可变注意力（scale-variant attention）与视觉Transformer（vision transformer），通过融合跨尺度特征、减轻压缩伪影，提升小医疗目标的辨识度。定量实验结果表明，SvANet性能优异：在KiTS23、ISIC 2018、ATLAS、PolypGen、TissueNet、FIVES和SpermHealth数据集上，对占图像面积不足1%的肾肿瘤、皮肤病变、肝肿瘤、息肉、手术切除细胞、视网膜血管和精子进行分割时，平均Dice系数分别达到96.12%、96.11%、89.79%、84.15%、80.25%、73.05%和72.58%。
文章链接
论文地址：论文地址
代码地址：代码地址
基本原理
MCAttn（Monte Carlo Attention）是SvANet的核心创新模块之一，专为解决小医疗目标分割中“跨尺度特征捕捉不足”和“细节信息丢失”问题设计，通过蒙特卡洛随机采样机制生成多尺度注意力图，同时兼顾局部细节与全局上下文，显著提升小/超小医疗目标的辨识度。
核心原理与数学表达
1. 核心思想
模拟蒙特卡洛随机采样逻辑，从多个尺度的池化张量中随机选择特征，通过概率加权融合，生成兼具泛化性和细节捕捉能力的注意力图，避免单一尺度的特征偏见。
2. 数学公式
给定输入张量 ( x )，MCAttn的输出注意力图 ( A_m(x) ) 计算如下：
[ Am(x) = \sum{i=1}^n P_1(x,i) \cdot f(x,i) ]
- ( n=3 )：固定采用3种池化尺度（1×1、2×2、3×3），覆盖局部到全局特征；
- ( f(x,i) )：第 ( i ) 种尺度的平均池化函数；
- ( P1(x,i) )：关联概率，满足 ( \sum{i=1}^3 P1(x,i)=1 ) 和 ( \prod{i=1}^3 P_1(x,i)=0 )，确保随机采样的泛化性，避免单一尺度主导。
工作流程与结构细节
1. 模块定位
MCAttn集成于 MCBottleneck（蒙特卡洛注意力瓶颈模块） 中，每个编码器阶段均包含MCBottleneck，结构链为：
3×3卷积 → 1×1卷积 → MCAttn → 1×1卷积 → AssemFormer
MCBottleneck作为“信息压缩-扩展”节点，MCAttn负责在压缩阶段保留小目标关键特征。
2. 具体步骤
- 多尺度池化：对输入张量 ( x ) 分别进行1×1、2×2、3×3池化，得到3种尺度的特征张量；
- 概率采样：根据关联概率 ( P_1(x,i) ) 随机选择1种尺度的池化结果，生成初始注意力图；
- 特征校准：将注意力图与输入张量进行逐元素乘积（Hadamard product），强化小目标特征、抑制背景噪声；
- 跨尺度融合：通过随机采样的随机性，间接融合3种尺度的特征信息，兼顾局部细节（小尺度池化）和全局上下文（大尺度池化）。
关键优势
1. 跨尺度特征捕捉
相比SE（仅通道注意力）、CBAM（通道+空间单尺度）、CoorAttn（坐标感知单尺度），MCAttn通过3种尺度随机采样，天然具备跨尺度关联能力，对超小目标（如占比<1%的精子、视网膜血管）的稀疏区域识别更精准。
2. 泛化性强
关联概率 ( P_1(x,i) ) 的约束条件（求和为1、乘积为0）确保注意力图不依赖固定尺度，适配不同模态（CT、MRI、显微镜图像）和不同形态的小医疗目标（肿瘤、细胞、血管）。
3. 轻量化设计
参数数量仅2.77M（与SE相同），远低于复杂注意力机制，且不显著增加计算量，保证SvANet的实时推理能力（46.91 FPS）。
核心代码
class MoCAttention(nn.Module):
# Monte carlo attention
def __init__(
self,
InChannels: int,
HidChannels: int=None,
SqueezeFactor: int=4,
PoolRes: list=[1, 2, 3],
Act: Callable[..., nn.Module]=nn.ReLU,
ScaleAct: Callable[..., nn.Module]=nn.Sigmoid,
MoCOrder: bool=True,
**kwargs: Any,
) -> None:
super().__init__()
if HidChannels is None:
HidChannels = max(makeDivisible(InChannels // SqueezeFactor, 8), 32)
AllPoolRes = PoolRes + [1] if 1 not in PoolRes else PoolRes
for k in AllPoolRes:
Pooling = AdaptiveAvgPool2d(k)
setMethod(self, 'Pool%d' % k, Pooling)
self.SELayer = nn.Sequential(
BaseConv2d(InChannels, HidChannels, 1, ActLayer=Act),
BaseConv2d(HidChannels, InChannels, 1, ActLayer=ScaleAct),
)
self.PoolRes = PoolRes
self.MoCOrder = MoCOrder
def monteCarloSample(self, x: Tensor) -> Tensor:
if self.training:
PoolKeep = np.random.choice(self.PoolRes)
x1 = shuffleTensor(x)[0] if self.MoCOrder else x
AttnMap: Tensor = callMethod(self, 'Pool%d' % PoolKeep)(x1)
if AttnMap.shape[-1] > 1:
AttnMap = AttnMap.flatten(2)
AttnMap = AttnMap[:, :, torch.randperm(AttnMap.shape[-1])[0]]
AttnMap = AttnMap[:, :, None, None] # squeeze twice
else:
AttnMap: Tensor = callMethod(self, 'Pool%d' % 1)(x)
return AttnMap
def forward(self, x: Tensor) -> Tensor:
AttnMap = self.monteCarloSample(x)
return x * self.SELayer(AttnMap)
