公开(公告)号：CN114118415B

公开(公告)日：2024-06-28

申请号：CN202111466243.0

申请日：2021-11-29

Applicant: 暨南大学

Inventor： 邓玉辉 ,  李鸿

IPC: G06N3/082 ,  G06N3/0464

Abstract: 本发明公开了一种轻量级瓶颈注意力机制的深度学习方法，该注意力机制分成通道注意力分支和空间注意力分支；通道注意力分支通过全局平均池化和最大值池化获取中间特征图的空间信息，卷积聚合以该通道为中心的左右邻域内的k个通道的信息，将得到的两个特征图按元素相加，生成通道注意力；空间注意力分支使用卷积进行降维，通过两个的空洞卷积进行上下文获取，最后使用卷积将通道数压缩到一维，生成空间注意力；融合两个分支注意力，先将通道注意力按空间的两个维度广播扩充，然后将空间注意力按通道维度广播扩充，将扩充后的两个注意力分支按元素相加，并通过Sigmoid函数运算，生成轻量级瓶颈注意力。本发明计算代价小、模型学习能力强。

公开(公告)号：CN115375979A

公开(公告)日：2022-11-22

申请号：CN202210372327.6

申请日：2022-04-11

Applicant: 暨南大学

Inventor： 邓玉辉 ,  李鸿

IPC: G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于高效空间金字塔池化网络的目标检测方法，该检测方法技术方案如下：在目标检测网络中增加一个高效空间金字塔池化网络；待检测图像输入目标检测网络的骨干网络进行特征提取，高效空间金字塔池化网络对提取的特征在不同尺度上进行处理，后将提取的多尺度特征图进行融合，集成提取的大尺度特征的高分辨率和提取的小尺度特征的丰富语义信息进行输出，提高检测网络对尺度大小不一目标的检测能力。本发明提出的高效空间金字塔池化网络对目标检测网络的骨干网络提取的特征进行处理，并融合处理过后不同尺度特征，在保证检测网络复杂度基本不变的前提下，有效提高了目前检测网络对多尺度目标检测的准确率。

公开(公告)号：CN114118415A

公开(公告)日：2022-03-01

申请号：CN202111466243.0

申请日：2021-11-29

Applicant: 暨南大学

Inventor： 邓玉辉 ,  李鸿

IPC: G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种轻量级瓶颈注意力机制的深度学习方法，该注意力机制分成通道注意力分支和空间注意力分支；通道注意力分支通过全局平均池化和最大值池化获取中间特征图的空间信息，卷积聚合以该通道为中心的左右邻域内的k个通道的信息，将得到的两个特征图按元素相加，生成通道注意力；空间注意力分支使用卷积进行降维，通过两个的空洞卷积进行上下文获取，最后使用卷积将通道数压缩到一维，生成空间注意力；融合两个分支注意力，先将通道注意力按空间的两个维度广播扩充，然后将空间注意力按通道维度广播扩充，将扩充后的两个注意力分支按元素相加，并通过Sigmoid函数运算，生成轻量级瓶颈注意力。本发明计算代价小、模型学习能力强。