公开(公告)号：CN111222562A

公开(公告)日：2020-06-02

申请号：CN202010002235.X

申请日：2020-01-02

Applicant: 南京邮电大学

Inventor： 张伶俐 ,  陈可佳 ,  周晓萌

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06F17/16

Abstract: 本发明提供了一种空间自注意力机制及目标检测方法，对特征图F进行自适应平均池化得到特征图F′；对特征图F′进行两次降维映射，得到f(F′)与g(F′)并按行展开，得到矩阵M和矩阵N；将矩阵M和矩阵N进行相乘，得到矩阵Z；对矩阵Z通过行卷积得到特征图Y；再使用sigmoid激活并进行拓展，得到特征图Q；对特征图Q进行反自适应平均池化，得到最终空间每个像素的权重，将所述权重与特征图F进行点乘，以获得最终特征图R作为下一个卷积层的输入。本发明基于空间自注意力机制，能够更好地提高目标检测方法的精度，本发明简单高效，且计算量较低，可应用到任意卷积网络的前向过程中，为特征图提供全局信息指导，提高卷积网络的表达能力。

公开(公告)号：CN111222562B

公开(公告)日：2022-04-08

申请号：CN202010002235.X

申请日：2020-01-02

Applicant: 南京邮电大学

Inventor： 张伶俐 ,  陈可佳 ,  周晓萌

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06F17/16

Abstract: 本发明提供了一种空间自注意力机制及目标检测方法，对特征图F进行自适应平均池化得到特征图F′；对特征图F′进行两次降维映射，得到f(F′)与g(F′)并按行展开，得到矩阵M和矩阵N；将矩阵M和矩阵N进行相乘，得到矩阵Z；对矩阵Z通过行卷积得到特征图Y；再使用sigmoid激活并进行拓展，得到特征图Q；对特征图Q进行反自适应平均池化，得到最终空间每个像素的权重，将所述权重与特征图F进行点乘，以获得最终特征图R作为下一个卷积层的输入。本发明基于空间自注意力机制，能够更好地提高目标检测方法的精度，本发明简单高效，且计算量较低，可应用到任意卷积网络的前向过程中，为特征图提供全局信息指导，提高卷积网络的表达能力。