不增加参数量，让CNN拥有全局感受野？快用傅里叶频域卷积| 即插即用模块与论文写作【V1代码讲解176】
傅里叶卷积模块（Fourier Convolution Block, FCB）：
实际意义：①传统 CNN“看不全”问题：MRI欠采样会产生“全局分布的伪影”，但普通CNN靠小卷积核（如3×3）只能关注局部，“看不全”全局，伪影消不干净。
②大感受野模型“又慢又难训”的问题：传统卷积对特征图所有通道进行相同操作，会产生大量冗余计算，特征部分通道信息重复，无需全通道密集计算。
实现方式：①将图像特征从空间域到频域；
②再通过频域卷积公式，将频域特征实部和虚部进行计算，可以决定
立即观看
0