一种基于多尺度深度监督的反向注意力模型

    公开(公告)号:CN112906623A

    公开(公告)日:2021-06-04

    申请号:CN202110266638.X

    申请日:2021-03-11

    Applicant: 同济大学

    Abstract: 本发明公开了一种基于多尺度深度监督的反向注意力模型,模型包括:输入端、多尺度特征学习模块、注意力机制模块、反向注意力机制模块、深度监督模块、若干个损失函数、若干个平均池化层、若干个线性层和支路;多尺度特征学习模块用于对深度特征进行多尺度学习并进行训练;注意力机制模块用于加强对局部重要特征信息的关注;反向注意力机制模块用于将被注意力机制模块抑制的特征变为强调的特征,对注意力机制进行互补;深度监督模块用于修正注意力机制模块对重要特征关注的准确度。本发明提出了反向注意力机制模块缓解了由注意力机制引起的特征信息丢失问题,模型在测试阶段可丢弃部分模块,提高了测试效率。

Patent Agency Ranking