龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：河南科技大学
摘要：一种全局‑局部上下文自适应加权融合目标特征增强方法，将输入特征图进行随机重组，多样性地改变输入特征图的排列方式，帮助学习到更多样化、更全面的特征。特征图划分后分别用于全局和局部上下文建模，减小计算复杂度。使用自注意力进行全局上下文建模，建立目标特征与背景特征之间的相关性；对特征图进行池化以突出目标局部特征，随后使用自注意力进行局部上下文建模，建立目标特征与周围邻域特征的相关性，增强目标特征较弱部分，利用可学习参数的自适应加权融合策略进行全局和局部上下文聚合，可根据目标特点自适应调整权重，增强目标特征，得到包含较完整目标信息的特征图，提高检测算法对目标与背景的判别能力。
主权项：1.一种全局-局部上下文自适应加权融合目标特征增强方法，其特征在于：包括如下步骤：1、将输入的特征图在通道维度进行随机重组得到中间特征图，然后在通道维度将中间特征图划分成特征图F0和F1；2、使用自注意力建立特征图F0中每个像素点与其它像素点之间的依赖关系，获得全局上下文特征图；3、将特征图F1通过窗口滑动的方式划分为多个子特征图，对每个子特征图进行最大池化和平均池化，分别得到最大池化特征图和平均池化特征图，将每个子特征图的最大池化特征图和平均池化特征图进行矩阵相加，分别得到对应于各子特征图的局部池化特征图；4、在步骤3得到的每个子特征图的局部池化特征图上，分别使用自注意力建立局部池化特征图中每个像素点与其它像素点之间的依赖关系，得到基于池化的局部上下文特征图；然后将基于池化的局部上下文特征图进行重组，获得局部上下文特征图；5、利用可学习参数的自适应加权策略分别对步骤2获得的全局上下文特征图和步骤4获得的局部上下文特征图进行赋权，然后进行通道拼接，并经过卷积、批归一化和激活函数得到融合全局和局部的上下文信息的特征图。
全文数据：
权利要求：
百度查询： 河南科技大学 一种全局-局部上下文自适应加权融合目标特征增强方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号