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！

龙图腾网获悉之江实验室;中国科学院自动化研究所申请的专利一种基于三条带注意机制的特征图加权方法和装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114863131B 。

龙图腾网通过国家知识产权局官网在2025-08-15发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210579586.6，技术领域涉及：G06V10/44；该发明授权一种基于三条带注意机制的特征图加权方法和装置是由马志豪;袁梦轲;孟维亮;郭建伟;毛瑞琛;徐士彪;张晓鹏设计研发完成，并于2022-05-25向国家知识产权局提交的专利申请。

本一种基于三条带注意机制的特征图加权方法和装置在说明书摘要公布了：本发明涉及计算机视觉和人工智能领域，具体涉及一种基于三条带注意机制的特征图加权方法和装置，旨在提高深度学习网络特征提取的有效性。本发明提出了一种新的注意力加权机制，它通过加权操作增加特征图的表现力，关注重要特征而抑制非重要特征。首先，采取全局池化操作将原始特征图分离成列条带、行条带和通道条带；其次，对每个条带都采取压缩和扩张的一系列加权操作；然后，将所有的加权后的三个条带分别扩充到原始的特征图尺寸大小，并将这三个加权后的特征图进行相加，随后进行非线性处理。最后，将所得到的加权特征图和原特征图相乘，并将结果作为后续的输入。本发明提出的基于三条带注意机制的特征图加权方法提高了特征图的有效性。

本发明授权一种基于三条带注意机制的特征图加权方法和装置在权利要求书中公布了：1.一种基于三条带注意机制的特征图加权方法，适用于基于图像处理的深度卷积神经网络，其特征在于，包括以下步骤： （1）将原始特征图分离成列条带、行条带和通道条带； 所述步骤（1）包括以下子步骤： （1.1）对原始特征图F的行维度和通道维度进行平均池化操作，得到列条带THF；所述原始特征图F的维度为，其中，C为通道维度，H为列维度，W为行维度；所述列条带THF的维度为； （1.2）对原始特征图F的列维度和通道维度进行平均池化操作，得到行条带TWF；所述行条带TWF的维度为； （1.3）对原始特征图F的行维度和列维度进行平均池化操作，得到通道条带TCF；所述通道条带TCF的维度为； （2）对列条带、行条带和通道条带均采取压缩、标准化处理、非线性激活、扩张处理和标准化处理，得到对应的加权后的列条带、加权后的行条带和加权后的通道条带； 所述步骤（2）包括以下子步骤： （2.1）使用多层感知机对列条带、行条带、通道条带的元素均进行压缩处理，将列条带、行条带或通道条带的隐藏层的尺寸缩减r倍； （2.2）使用批量标准化处理对压缩处理后的元素进行标准化处理，并使用ReLU激活函数对标准化后的元素进行非线性激活； （2.3）使用多层感知机对非线性激活后的元素进行扩张处理，将列条带、行条带或通道条带的隐藏层的尺寸扩张r倍； （2.4）使用批量标准化处理对扩张处理后的元素进行标准化处理，得到加权后的列条带、加权后的行条带、加权后的通道条带； （3）将加权后的列条带、加权后的行条带和加权后的通道条带的维度均扩充到原始特征图的尺寸大小，得到扩充后的列特征图、扩充后的行特征图和扩充后的通道特征图；随后将三个扩充后的特征图进行相加，并对相加结果进行非线性处理得到加权特征图； 所述步骤（3）包括以下子步骤： （3.1）将加权后的列条带的行维度乘上W，同时将的通道维度乘上C，得到扩充后的列特征图； 将加权后的行条带的列维度乘上H，同时将的通道维度乘上C，得到扩充后的行特征图； 将加权后的通道条带的行维度乘上W，同时将的列维度乘上H，得到扩充后的通道特征图； 所述扩充后的列特征图的维度为，所述扩充后的行特征图的维度为，所述扩充后的通道特征图的维度为； （3.2）将扩充后的列特征图、扩充后的行特征图和扩充后的通道特征图进行相加，并对相加结果进行sigmoid非线性化处理，得到TSAM特征图TF，即,其中表示sigmoid非线性化处理； （4）将加权特征图与原始特征图进行相乘，并将相乘结果与原始特征图进行相加，得到输入特征图，并将输入特征图作为后续的输入； 所述步骤（4）具体为：将加权特征图TF和原始特征图F进行相乘并将相乘结果与原始特征图F进行相加，得到输入特征图，即，其中表示元素的相乘；将输入特征图作为后续的输入。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人之江实验室;中国科学院自动化研究所，其通讯地址为：310023 浙江省杭州市余杭区文一西路1818号人工智能小镇10号楼；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。