申请/专利权人：华东师范大学

申请日：2022-01-21

公开（公告）日：2024-04-26

公开（公告）号：CN114612378B

主分类号：G06T7/00

分类号：G06T7/00;G06N3/04;G06N3/08;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2022.06.28#实质审查的生效;2022.06.10#公开

摘要：本发明公开了一种目标检测中使用IoU加强自注意力机制的方法，其特点是计算proposalboxes之间的IoU，使用IoU作为位置信息，使其加强proposal之间的自注意力机制；将该模块嵌入到目标检测网络中，对网络进行训练，实现检测器检测能力的增强。本发明与现有技术相比具有不引入参数，增加极少量的计算量，就能显著地增强检测器在COCO数据集和CrowdHuman数据集上的指标的特点，方法简单，效率高，明显地提高了检测精度，使用IoU作为位置信息对自注意力机制进行加强，较好的解决了当前注意力机制中缺失位置信息的问题。

主权项：1.一种目标检测中使用IoU加强自注意力机制的方法，其特征在于采用将自注意力模块嵌入目标检测网络的方法，对神经网络进行训练，实现检测器检测能力的增强，具体包括以下步骤：步骤1：计算proposalboxes之间的IoU；步骤2：将IoU作为位置信息，使其加强proposal之间的自注意力机制构建自注意力模块；步骤3：将上述构建的自注意力模块嵌入到目标检测网络中，对神经网络进行训练，实现检测器检测能力的加强；所述proposalboxes之间的IoU具体计算为：计算N个proposalboxes之间的IoU，得到IoU矩阵，其维度为N*N；所述自注意力模块的建立具体包括以下步骤：步骤2-1：计算N个proposal特征之间的相似度，即query与key矩阵相乘，得到相似度矩阵，其维度大小为N*N；步骤2-2：将IoU与相似度矩阵逐元素相乘，得到加工后的相似度矩阵，其维度大小为N*N；步骤2-3：将加工后的相似度矩阵经softmax函数处理后与value矩阵相乘,得到自注意力机制的输出，其维度大小为N*d；所述自注意力模块嵌入到目标检测网络中，得到的自注意力机制的输出与输入维度大小相同并用于后续网络中，该模块任意地插入到现有的目标检测网络结构中；所述proposalboxes与proposal特征为一一对应关系，所述proposalboxes的维度为N*4；所述proposal特征的维度为N*d。

全文数据：

权利要求：

百度查询： 华东师范大学 一种目标检测中使用IoU加强自注意力机制的方法

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