申请/专利权人：济南大学

申请日：2024-01-15

公开（公告）日：2024-04-02

公开（公告）号：CN117808044A

主分类号：G06N3/0455

分类号：G06N3/0455;G06N3/0464;G06N3/082;G06V10/82

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：卷积神经网络（CNNs）和VisionTransformers（ViTs）是计算机视觉领域两大主流框架。CNNs通过卷积学习局部特征，参数少、复杂度低。ViTs通过自注意机制学习全局依赖，但计算冗余问题显著。头部交互问题鲜有人关注，限制其潜力。为解决问题，提出HybridFormer，包含局部卷积块（LCB）和全局变压器块（GTB）。LCB用多核卷积注意力提取局部多尺度特征，GTB用交叉头自注意学习全局上下文。HybridFormer整合改进卷积和自注意，平衡冗余和依赖，高效表示学习。实验证明HybridFormer在多视觉任务上达最先进水平，包括图像分类、目标检测和语义分割等。

主权项：1.一种新的用于视觉识别的CNN和Transformer混合神经网络结构方法与系统，其特征在于，包括：设计局部卷积块LCB作为混合神经网络HybridFormer的关键构建块之一，实现神经网络提取图像特征时注重局部信息，设计全局Transformer块GTB作为混合神经网络HybridFormer的关键构建块之一，实现神经网络提取图像特征时注重全局信息，LCB采用Transformer格式的新型多核卷积注意力MKCA来捕获局部多尺度特征表，GTB开发了一种新的跨头自注意力CHSA来学习全局上下文特征表示；堆叠多个LCB和GTB网络模块构成神经网络HybridFormer，即为一种新的用于视觉识别的CNN和Transformer混合神经网络结构方法。

全文数据：

权利要求：

百度查询： 济南大学 一种新的用于视觉识别的CNN和Transformer混合神经网络结构方法与系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD