申请/专利权人：天津大学

申请日：2023-07-10

公开（公告）日：2024-04-12

公开（公告）号：CN116701681B

主分类号：G06F16/53

分类号：G06F16/53;G06V10/764;G06V10/74;G06V10/80;G06V10/82;G06V10/26;G06N3/0464;G06N3/0499;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2023.09.22#实质审查的生效;2023.09.05#公开

摘要：本发明涉及一种用于语义分割的多查询网络，其基础架构包括骨干网和解码器组成，包括下列步骤：对于给定的图像，利用骨干网提取多层深度特征，骨干网由多层Transformer块堆叠形成，在每一层均能得到输入图像的特征表示，选择不同层次的深度特征作为骨干网输出的特征图，随后将这些特征同时输入到解码器中进行掩码的生成和分类；根据骨干网的网络参数L，以及预先设定的阶段数S，随机初始化为由L×S个ATM模块组成的解码器；每个ATM模块依次堆叠多个自注意力层、跨注意力层和前馈神经网络层，用于获取性能更好的特征嵌入，并将最后一个跨注意力层得到的掩码M作为输出。

主权项：1.一种用于语义分割的多查询网络，其基础架构包括骨干网和解码器组成，包括下列步骤：对于给定的图像，利用骨干网提取多层深度特征，骨干网由n层Transformer块堆叠形成，在每一层均能得到输入图像的特征表示，选择L≤n个不同层次的深度特征作为骨干网输出的特征图，记作F1,F2,...,Fl,...,FL，随后将这些特征同时输入到解码器中进行掩码的生成和分类；根据骨干网的网络参数L，以及预先设定的阶段数S，随机初始化为由L×S个ATM模块组成的解码器；每个ATM模块依次堆叠多个自注意力层、跨注意力层和前馈神经网络层，用于获取性能更好的特征嵌入，并将最后一个跨注意力层得到的掩码作为输出；在解码器中，采用L个集合的查询，记作Q1,Q2,...,Ql,...,QL，在每个查询Ql所对应的Fl层中通过ATM模块逐阶段的提取特征嵌入εs和生成掩码Ms，其中1≤s≤S；在阶段s中，将多个特征嵌入自适应融合后输入全连接层得到分类结果，将多个掩码图相加求和后用作输出的掩码；ATM模块的设计如下：ATM模块由自注意力层、跨注意力层和前馈神经网络层组成，设一个ATM的输入有查询Q和特征F，ATM中进行的具体操作如下：查询Q先经过自注意力层，实现权重的动态分配，仍记作Q；特征F经过第一线性层进行线性变换后记作K，也称为键；特征F经过第二线性层进行线性变换后记作V，也称为值；在跨注意力层，同时输入查询、键和值，通过Q与K即可得到相似度图SQ,K，表示如下： 其中，dk为K的特征维数，被用于相似度图的标准化；随后采用Sigmoid操作即可得到掩码M；将相似度图SQ,K与V做矩阵运算后，再经过前馈神经网络层得到更新后的查询，被称为特征嵌入；所述自适应融合的过程如下：首先对每个特征嵌入进行局部最大池化LMP操作来降低特征嵌入的查询个数；将池化后的特征嵌入沿着查询维拼接在一起并通过一个全连接层；经过SoftMax层将权重进行归一化，得到权重向量W；利用得到的权重W对特征嵌入进行加权求和。

全文数据：

权利要求：

百度查询： 天津大学 一种用于语义分割的多查询网络

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