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：山西大学

摘要：本发明提出了一种基于注意力网络的无监督图匹配方法，实现步骤为：获取训练样本集和测试样本集；构建基于注意力网络的图匹配网络模型W；定义图匹配网络模型W的损失函数L；对图匹配网络模型W进行迭代训练；获取图匹配结果。本发明中的注意力网络中的自注意力模块计算节点的自注意力特征，交叉注意力模块对两个自注意力特征与图节点的语义相似性分别进行融合后对两幅自然图像的节点表示进行特征更新，充分利用了节点的自注意力特征和语义相似度信息；本发明通过亲和度矩阵中对应节点的亲和度最大值与亲和度矩阵中的所有节点的亲和度值计算图匹配网络模型的损失值来对模型中的参数进行更新，有效提高了图匹配精度。

主权项：1.一种基于注意力网络的无监督图匹配方法，其特征在于，包括以下步骤：1获取训练样本集和测试样本集：对获取的包括M个物品类别的I幅自然图像进行预处理，并将预处理后的各包含N个节点的I幅自然图像中每个类别的每两幅自然图像组成一个样本，得到O个样本，再将其中的Q个样本组成训练样本集，将剩余的R个样本组成测试样本集，其中，M≥2，I≥100，N≥20，QO2，R＝O-Q；2构建基于注意力网络的图匹配网络模型W：构建包括级联的构图网络、注意力网络和亲和度计算网络的图匹配网络模型W；所述构图网络用于对样本中的两幅自然图像进行构造图结构并提取节点表示；所述注意力网络用于对构图网络输出的两幅自然图像的节点表示进行特征更新，包括级联的自注意力模块和交叉注意力模块，交叉注意力模块，用于对两幅自然图像构造的图节点的语义相似性进行融合；所述亲和度计算网络用于计算注意力网络输出的两幅自然图像的节点表示亲和度；3定义图匹配网络模型W的损失函数L： 其中，∑表示求和操作，pi表示样本中包括NS个节点的自然图像Y1中第i个节点与包括NT个节点的自然图像Y2中所有节点亲和度值中的最大值，λi表示Y1中的第i个节点与Y2中所有节点亲和度值中与pi相同的个数，Ki,j表示Y1第i个节点与Y2第j个节点的亲和度值，exp表示指数函数；4对图匹配网络模型W进行迭代训练：通过训练样本集对图匹配网络模型W进行迭代训练，得到训练好的图匹配网络模型W*；5获取图匹配结果：将测试样本集作为训练好的图匹配网络模型W*的输入进行前向传播，得到R个匹配结果。

全文数据：

权利要求：

百度查询： 山西大学 基于注意力网络的无监督图匹配方法