龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：南京工业大学
摘要：本文提供了一种基于Transformer模型进行语义分割的方法，包括步骤:数据准备，进行图像序列化以将输入图像X转换为特征嵌入；特征提取，向第一层Transformer输入数据，每个Transformer层由多头注意力、层归一化、MLP层构成；特征解码，将提取出的特征序列作为输入，经过一个交叉注意力的解码器结构，通过使用交叉注意模块，两者经过交叉注意力的解码器后能获得学习好的特征向量；生成分割结果，将充当解码器的交叉注意力模块输出的新的特征向量送入分割层预测得到最终的分割结果。与现有的大多数基于FCN模型的语义分割模型相比，以Transformer编码器进行语义分割任务的特征提取工作，可以很大程度上增强模型对远程依赖信息的学习；以交叉注意力模块充当解码器，能够让模型更加高效高质量地进行全局上下文信息的提取，提升了语义分割模型的准确性与分割质量。
主权项：1.一种基于Transformer模型的进行语义分割方法，其特征在于，包括步骤：S1：数据准备，进行图像序列化以将输入图像转换为特征嵌入；S2：特征提取，向第一层Transformer输入数据，每个Transformer层由多头注意力、层归一化、MLP层构成，最终输出特征序列；S3：特征解码，将提取出的特征序列作为输入，经过一个交叉注意力的解码器结构，通过使用交叉注意模块，获得学习好的新的特征向量；S4：生成分割结果，将充当解码器的交叉注意力模块输出的新的特征向量送入分割层预测得到最终的分割结果。
全文数据：
权利要求：
百度查询： 南京工业大学 一种基于Transformer模型进行语义分割的方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号