基于ResNet18的改进模型结构示意图
噪声掩码方差=（散射特征-均值特征）2掩码=1-Sigmoid（方差）
自适应最大池化1×1
image
全连接层2C/8→C
特征相加avg+max
残差重标定输出输出=x×（1+Y·空间权重）Y初始值为0.5
512*1*1
散射卷积3×3深度卷积groups=C
全连接层C→C/8
ReLU激活
softmax
分支33×3空洞卷积d=5
均值特诊3×3 平均池化步长=1，填充=1
avgpool
FDACA通道注意力模块输入特征：256×14×141×1自适应平均池化1×1自适应最大池化全连接：C→C/8→C
FDACA input256×14×14
文本
分支23×3空洞卷积d=3
残差重标定输出输出=X×（1+Y·通道权重）Y初始值为0.5
SMSSA input128×28×28
SMSSA空间注意力模块输入特征128×28×283×3深度卷积3×3空洞卷积，d=1/3/51×1融合卷积
SMSSA 模块
FDACA模块
分支13×3 空洞卷积d=1
通道权重生成通道权重=Sigmoid（全连接层2输出）
3*224*224
18-layers resnet
自适应平均池化1×1
权重生成空间权重=Sigmoid（多尺度特征×噪声掩码）
