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：南通理工学院
摘要：本发明公开了一种基于高效自注意力的跨模态地点识别方法，包括将RGB图像和红外图像输入到双流网络；对输入的图像进行量化操作，采用颜色对比度方法提取图像显著性特征；将图像输入到ResNet50网络，ResNet50网络第三阶段输出的特征经过高维度特征映射模块进行高维度特征映射，输出最终整体特征；对ResNet50网络第三阶段输出的特征进行图像块处理，并通过高效自注意力模块EMSA处理局部共享特征，输出局部特征；将图像显著性特征和局部特征融合得到最终局部特征；将最终整体特征与最终局部特征进行整体特征和局部特征协同约束；若是达到指定的训练轮数，则结束训练得到基于高效自注意力机制的跨模态地点识别模型；否则继续完成训练；提高了整个网络地点识别的准确性和效率。
主权项：1.一种基于高效自注意力的跨模态地点识别方法，其特征在于：包括以下步骤：步骤一、将RGB图像和红外图像输入到双流网络；步骤二、对输入的图像进行量化操作，计算RGB图像和红外图像的颜色距离以及每种模态量化前图像与量化后图像的颜色距离，并采用颜色对比度方法提取图像显著性特征；步骤三、将图像输入到ResNet50网络，从每种模态的图像中提取独有的特征；步骤四、ResNet50网络第三阶段输出的特征经过高维度特征映射模块进行高维度特征映射，输出最终整体特征；步骤五、对ResNet50网络第三阶段输出的特征进行图像块处理得到局部共享特征，并通过高效自注意力模块EMSA处理局部共享特征，输出局部特征；步骤六、将步骤二获得的图像显著性特征和步骤五获得的局部特征进行融合得到最终局部特征；步骤七、将最终整体特征与最终局部特征进行整体特征和局部特征协同约束；步骤八、若是达到指定的训练轮数，则结束训练得到基于高效自注意力机制的跨模态地点识别模型；否则返回步骤一继续完成训练。
全文数据：
权利要求：
百度查询： 南通理工学院 一种基于高效自注意力的跨模态地点识别方法
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