公开(公告)号：CN112801029B

公开(公告)日：2024-05-28

申请号：CN202110182158.5

申请日：2021-02-09

Applicant: 北京工业大学

Inventor： 邢德旺 ,  刘兆英 ,  张婷 ,  李玉鑑

IPC: G06V20/00 ,  G06V10/26 ,  G06V10/774 ,  G06V10/75 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0985

Abstract: 本发明公开了基于注意力机制的多任务学习方法，具体步骤包括：(1)使用全局共享特征池提取图像特征；(2)使用注意力机制提取特定任务的特征；(3)将注意力机制提取的特征进行解码，使其适应于该任务；(4)对模型进行训练；(5)利用训练模型生成多任务学习结果。本发明方法大多为在共享特征池后进行分流，这样会使得共享特征利用不充分，无法利用低层次特征，最终使得效果偏差。本发明利用vgg16特征提取网络作为共享特征池，并在共享特征池中多次利用注意力机制提取低、中、高层次特征，充分利用了特征池中的各个特征。大大解决了特征利用不充分的问题，为机器视觉的发展奠定了基础。

公开(公告)号：CN112801029A

公开(公告)日：2021-05-14

申请号：CN202110182158.5

申请日：2021-02-09

Applicant: 北京工业大学

Inventor： 邢德旺 ,  刘兆英 ,  张婷 ,  李玉鑑

IPC: G06K9/00 ,  G06K9/34 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明公开了基于注意力机制的多任务学习方法，具体步骤包括：(1)使用全局共享特征池提取图像特征；(2)使用注意力机制提取特定任务的特征；(3)将注意力机制提取的特征进行解码，使其适应于该任务；(4)对模型进行训练；(5)利用训练模型生成多任务学习结果。本发明方法大多为在共享特征池后进行分流，这样会使得共享特征利用不充分，无法利用低层次特征，最终使得效果偏差。本发明利用vgg16特征提取网络作为共享特征池，并在共享特征池中多次利用注意力机制提取低、中、高层次特征，充分利用了特征池中的各个特征。大大解决了特征利用不充分的问题，为机器视觉的发展奠定了基础。