【即插即用模块】SCI1区 | CNN为什么不能捕获长距离特征？双坐标注意力牛在哪：平均+最大池化并行，涨点必备，SCI保二区争一区！彻底疯狂！！！ - 指南

0 论文信息

• 论文标题: Flora-NET: Integrating dual coordinate attention with adaptive kernel based convolution network for medicinal flower identification
• 中文标题：Flora-NET：融合双坐标注意力与自适应核卷积网络的药用花卉识别
• 论文链接
• 论文代码
• 论文出处：Computers and Electronicsin Agriculture

1 论文概述

药用花卉在医疗、制药、化妆品等领域具有重点价值，且对保护生物多样性至关重要，但野外环境下的精准分类面临类内差异大、类间相似性高、背景艰难等挑战。现有深度学习手段（如 CNN、Transformer）难以有效捕捉花瓣纹理、花部结构等复杂特征，且存在局部依赖过强、位置信息丢失等问题。

本文提出 Flora-NET 网络，通过两个核心模块实现特征提取与细化：1）双坐标注意力特征提取（DCAFE）模块，采用并行平均池化与最大池化捕捉长距离依赖和位置信息；2）内卷特征细化（Inv-FR）模块，通过串行内卷层自适应调整核权重，强化空间上下文特征。

实验在 Urban Street（17 类、24415 张图像）和 Medicinal Blossom（12 类、18593 张图像）材料集上验证，Flora-NET 在准确率、精确率等 6 项指标上均超越 AlexNet、ResNet 等 SOTA 方法，并通过 5 折交叉验证、消融实验、第三方数据集（IMFI）测试验证了模型的鲁棒性和泛化能力。

2 实验动机

实际需求迫切：药用花卉是传统医学和现代制药的重要原料，80% 发展中国家人口依赖传统草药，但 25% 药用花卉面临灭绝风险，精准识别对资源保护和医疗安全至关重要。

现有方法缺陷：

• CNN 依赖静态核，难以捕捉药用花卉的复杂结构和动态特征，易受背景干扰；
• 注意力机制（如 SE、CBAM）忽视位置信息或通道与空间交互不足，无法建模长距离依赖；
• Transformer 虽能捕捉全局特征，但计算成本高，且丢失局部细节。

技术缺口填补：坐标注意力（CA）擅长位置信息保留，卷积（convolution）擅长自适应空间特征提取，但两者尚未结合应用于药用花卉分类任务，需设计高效融合架构应对领域痛点。

3 创新之处

1. 首次融合双坐标注意力与内卷网络：将坐标注意力与内卷机制结合，同时解除 “位置信息丢失” 和 “静态核适应性差” 的障碍，为药用花卉分类提供新思路。

2. 双坐标注意力特征提取（DCAFE）模块：
   并行采用平均池化（捕捉全局上下文）和最大池化（保留关键细节），避免单一池化的信息冗余或丢失；沿水平和垂直方向分解通道注意力图，强化方向敏感性和长距离依赖建模。

3. 串行内卷特征细化（Inv-FR）模块：
   两层串行内卷层，自适应生成空间依赖的核权重，逐步细化从低维到高维的特征表示；
   共享通道间的内卷核，平衡计算复杂度与特征表达能力。

4. 强泛化性设计：经过数据增强、超参数调优和跨数据集测试，确保模型在野外复杂环境、不同花卉类别中的适应性。

4 模块介绍

双坐标注意力特征提取模块（Dual Coordinate Attention Feature Extraction, DCAFE）

1. 实际意义：①麻烦和噪声背景的影响：实时花卉识别受复杂背景和噪声干扰的影响，导致模型捕获的区分特征较少，分类准确率低下。②现有注意力机制无法捕获长距离和敏感特征：传统注意力机制仅关注通道间信息，忽略位置信息；使用池化操作仅捕获局部相关性，而无法捕获长距离特征。③现有注意力机制的局限性：平均池化会使得最重要特征变得模糊（因取平均值，导致模糊信息聚合），而最大池化能保留显著特征和锐度。
2. 实现方式：沿特征图的水平与垂直方向分别进行池化，作为位置信息并建立长程空间依赖；分别基于平均池化与最大池化构建两条并行的坐标注意力分支，捕获全局上下文信息与局部显著判别特征。最终进行拼接，得到方向增强的特征表示。

import torch  # 导入PyTorch库
import torch.nn as nn  # 导入PyTorch神经网络模块
import math  # 导入数学库
import torch.nn.functional as F  # 导入PyTorch函数式API
class CoordAttMeanMax(nn.Module):
# 初始化函数，定义模型参数
# inp: 输入通道数
# oup: 输出通道数
# groups: 分组数，用于计算中间通道数
def __init__(self, inp, oup, groups=32):
super(CoordAttMeanMax, self).__init__()  # 调用父类初始化函数
# 定义高度方向的均值池化层，输出形状为 [N, C, H, 1]
self.pool_h_mean = nn.AdaptiveAvgPool2d((None, 1))
# 定义宽度方向的均值池化层，输出形状为 [N, C, 1, W]
self.pool_w_mean = nn.AdaptiveAvgPool2d((1, None))
# 定义高度方向的最大值池化层，输出形状为 [N, C, H, 1]
self.pool_h_max = nn.AdaptiveMaxPool2d((None, 1))
# 定义宽度方向的最大值池化层，输出形状为 [N, C, 1, W]
self.pool_w_max = nn.AdaptiveMaxPool2d((1, None))
# 计算中间通道数，确保不小于8
mip = max(8, inp // groups)
# 定义均值池化分支的第一个卷积层，降维操作
self.conv1_mean = nn.Conv2d(inp, mip, kernel_size=1, stride=1, padding=0)
# 定义均值池化分支的批归一化层
self.bn1_mean = nn.BatchNorm2d(mip)
# 定义均值池化分支的第二个卷积层，升维操作
self.conv2_mean = nn.Conv2d(mip, oup, kernel_size=1, stride=1, padding=0)
# 定义最大值池化分支的第一个卷积层，降维操作
self.conv1_max = nn.Conv2d(inp, mip, kernel_size=1, stride=1, padding=0)
# 定义最大值池化分支的批归一化层
self.bn1_max = nn.BatchNorm2d(mip)
# 定义最大值池化分支的第二个卷积层，升维操作
self.conv2_max = nn.Conv2d(mip, oup, kernel_size=1, stride=1, padding=0)
# 定义ReLU激活函数
self.relu = nn.ReLU(inplace=True)
# 前向传播函数
def forward(self, x):
identity = x  # 保存输入特征图，用于残差连接
n, c, h, w = x.size()  # 获取输入特征图的形状：[N, C, H, W]
# 均值池化分支
x_h_mean = self.pool_h_mean(x)  # 高度方向均值池化，形状变为 [N, C, H, 1]
x_w_mean = self.pool_w_mean(x).permute(0, 1, 3, 2)  # 宽度方向均值池化并转置，形状变为 [N, C, W, 1]
y_mean = torch.cat([x_h_mean, x_w_mean], dim=2)  # 在高度维度拼接，形状变为 [N, C, H+W, 1]
y_mean = self.conv1_mean(y_mean)  # 卷积降维，形状变为 [N, mip, H+W, 1]
y_mean = self.bn1_mean(y_mean)  # 批归一化
y_mean = self.relu(y_mean)  # ReLU激活
x_h_mean, x_w_mean = torch.split(y_mean, [h, w], dim=2)  # 拆分回高度和宽度方向的特征
x_w_mean = x_w_mean.permute(0, 1, 3, 2)  # 转置宽度特征，恢复形状 [N, mip, 1, W]
# 最大值池化分支
x_h_max = self.pool_h_max(x)  # 高度方向最大值池化，形状变为 [N, C, H, 1]
x_w_max = self.pool_w_max(x).permute(0, 1, 3, 2)  # 宽度方向最大值池化并转置，形状变为 [N, C, W, 1]
y_max = torch.cat([x_h_max, x_w_max], dim=2)  # 在高度维度拼接，形状变为 [N, C, H+W, 1]
y_max = self.conv1_max(y_max)  # 卷积降维，形状变为 [N, mip, H+W, 1]
y_max = self.bn1_max(y_max)  # 批归一化
y_max = self.relu(y_max)  # ReLU激活
x_h_max, x_w_max = torch.split(y_max, [h, w], dim=2)  # 拆分回高度和宽度方向的特征
x_w_max = x_w_max.permute(0, 1, 3, 2)  # 转置宽度特征，恢复形状 [N, mip, 1, W]
# 生成注意力权重
x_h_mean = self.conv2_mean(x_h_mean).sigmoid()  # 高度方向均值注意力权重，形状 [N, oup, H, 1]
x_w_mean = self.conv2_mean(x_w_mean).sigmoid()  # 宽度方向均值注意力权重，形状 [N, oup, 1, W]
x_h_max = self.conv2_max(x_h_max).sigmoid()  # 高度方向最大值注意力权重，形状 [N, oup, H, 1]
x_w_max = self.conv2_max(x_w_max).sigmoid()  # 宽度方向最大值注意力权重，形状 [N, oup, 1, W]
# 扩展注意力权重到原始特征图大小
x_h_mean = x_h_mean.expand(-1, -1, h, w)  # 扩展高度均值注意力权重，形状 [N, oup, H, W]
x_w_mean = x_w_mean.expand(-1, -1, h, w)  # 扩展宽度均值注意力权重，形状 [N, oup, H, W]
x_h_max = x_h_max.expand(-1, -1, h, w)  # 扩展高度最大值注意力权重，形状 [N, oup, H, W]
x_w_max = x_w_max.expand(-1, -1, h, w)  # 扩展宽度最大值注意力权重，形状 [N, oup, H, W]
# 应用注意力权重到原始特征图
attention_mean = identity * x_w_mean * x_h_mean  # 均值池化分支的注意力输出
attention_max = identity * x_w_max * x_h_max  # 最大值池化分支的注意力输出
# 融合两个分支的输出并返回
return attention_mean + attention_max
if __name__ == "__main__":
x = torch.randn(1, 32, 640, 640)
coord_att = CoordAttMeanMax(32, 32)
output = coord_att(x)
print(output.shape)
print(f"输入张量形状:{x.shape}")
print(f"输出张量形状:{output.shape}")
print("科研通天路提醒您：正确代码无误！")
print("祝您科研之路畅通无阻~~~~")

5 写作思路

1. 目标检测//小目标检测：①实际问题：①小目标在特征图中，空间占比极低；③深层特征容易被低频背景主导；②目标与背景在颜色、纹理上高度相似。解决方案：引入上述模块，坐标注意力（H/W 分解）沿水平方向与垂直方向建模长程依赖有利于捕捉目标在整行/整列上的结构线索；Avg与Max的并行池化来保留整体上下文，强化小目标的局部强响应；通道拼接得到判别性通道权重。【研究对象可任意替换】

2. 语义分割任务//医学影像分割：①实际问题：在医疗图像领域，常面临复杂背景（如器官重叠、噪声干扰）的挑战，通常涉及长距离依赖关系（如目标边界与周围组织的关联）、位置敏感信息（如病变的具体坐标）、传统注意力机制（如通道注意力），这些问题导致分割准确率低下。解决方案：引入上述模块，借助并行坐标注意力捕获方向和位置敏感的长距离依赖，同时保留噪声鲁棒的上下文信息，使得模型能更好地处理医疗图像的特异性特征，提高分割精度。【研究对象可任意替换】