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：济南大学
摘要：本发明提出了一种融合局部和全局信息的混合神经网络方法与系统，涉及计算机视觉领域。本发明设计局部大核卷积块LLCB和全局视觉Transformer块GVTB作为混合神经网络SUMMNet的主要构建块，LLCB引入大核卷积注意力LKCA来有效地捕获特征映射的局部特征；GVTB引入轻量级跨头自注意力LCHSA来增强注意力头部之间的交互，提取特征图的全局信息，并通过降低自注意K和V的维数来降低计算复杂度；LLCB和GVTB的协同使SUMMNet能够在不同的尺度上关注局部和全局信息，高效的进行图像处理。
主权项：1.一种融合局部和全局信息的混合神经网络方法，其特征在于，包括以下步骤：S1、设计局部大核卷积块LLCB和全局视觉Transformer块GVTB作为混合神经网络的主要构建块，实现神经网络在图像处理任务中高效捕获图像的局部和全局特征，获得更全面的信息；S11、对于局部大核卷积块LLCB，LLCB由大核卷积注意力LKCA和MLP两个关键模块组成，给定输入图像X∈RN×C，N＝H×W，其中，H和W为输入图像的高和宽，C为嵌入维数，将其输入到LLCB中，可用以下过程来表示：X1＝X+LKCAX，Y1＝X1+MLPX1；S12、对于全局视觉Transformer块GVTB，GVTB由动态位置嵌入DPE、轻量级跨头自注意力LCHSA和MLP三个关键模块组成，给定输入图像X∈RN×C，将其输入到GVTB中，可用以下过程来表示：X2＝X+DPEX，Y2＝X2+LCHSAX2，Z2＝Y2+MLPY2；S2、LLCB引入大核卷积注意力LKCA来有效地捕获特征映射的局部特征，LKCA的核心为一个7×7的大核卷积；S3、GVTB引入轻量级跨头自注意力LCHSA来增强注意力头部之间的交互，提取特征图的全局信息，并通过降低自注意K和V的维度来降低计算复杂度；S4、堆叠多个LLCB和GVTB网络模块构成了神经网络SUMMNet，SUMMNet即为一种融合局部和全局信息的混合神经网络方法，SUMMNet包括四个阶段，每个阶段由LLCB和GVTB组成，阶段与阶段之间进行图像的下采样操作，形成金字塔结构。
全文数据：
权利要求：
百度查询： 济南大学 一种融合局部和全局信息的混合神经网络方法与系统
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