[发明专利]面向Transformer的多尺度特征增强模块在审

专利信息
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
【权利要求书】:

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

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top