[发明专利]面向Transformer的多尺度特征增强模块在审
申请号: | 202211050886.1 | 申请日: | 2022-08-29 |
公开(公告)号: | CN115359331A | 公开(公告)日: | 2022-11-18 |
发明(设计)人: | 刘政怡;檀亚诚;吴伟;张广辉 | 申请(专利权)人: | 安徽大学 |
主分类号: | G06V10/80 | 分类号: | G06V10/80;G06V10/52;G06V10/82 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 230601 安*** | 国省代码: | 安徽;34 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 面向 transformer 尺度 特征 增强 模块 | ||
1.本发明面向Transformer的多尺度特征增强模块,包括以下步骤:
S1、基于原始的特征块序列构造一条Transformer路径;
S2、对原始的特征块序列进行不同级别的块合并,构造多条带残差的Transformer路径;
S3、对所述S1和S2产生的结果进行级联,降维,产生增强的特征块序列。
2.根据权利要求1所述的面向Transformer的多尺度特征增强模块,其特征在于,在所述步骤S1中,假设原始的特征块序列表示为f=[t1,t2,…,tn],构造的Transformer路径表示为:
F=Trans(f)
其中,Trans(·)表示一个Transformer块,有两个多头自注意力层构成。
3.根据权利要求1所述的面向Transformer的多尺度特征增强模块,其特征在于,在所述步骤S2中,对原始的特征块序列进行不同级别的块合并,构造多条带残差的Transformer路径;具体表示为:
Fi=MLP(Reshape(FC(Trans(Mergei(f))))+f)
其中,Mergei(·)表示第i种合并方法,i从1到m,m表示带残差的Transformer路径总数;FC(·)表示全连接层,Reshape(·)表示变形操作,MLP(·)表示多层感知机,“+”表示通道级联操作。
4.根据权利要求1所述的面向Transformer的多尺度特征增强模块,其特征在于,在所述步骤S3中,对所述S1和S2产生的结果进行级联,降维,产生增强的特征块序列Ffinal。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于安徽大学,未经安徽大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211050886.1/1.html,转载请声明来源钻瓜专利网。
- 基于Transformer+LSTM神经网络模型的商品销量预测方法及装置
- 一种基于Transformer模型自然场景文字识别方法
- 一种深度Transformer级联神经网络模型压缩算法
- 点云分割方法、系统、介质、计算机设备、终端及应用
- 基于Transformer的中文智能对话方法
- 一种基于改进Transformer模型的飞行器故障诊断方法和系统
- 一种基于Transformer模型的机器翻译模型优化方法
- 基于Transformer和增强交互型MPNN神经网络的小分子表示学习方法
- 基于U-Transformer多层次特征重构的异常检测方法及系统
- 基于EfficientDet和Transformer的航空图像中的飞机检测方法