[发明专利]一种用于语义分割像素组的压缩注意力模型

权利要求书

1.一种用于语义分割像素组的压缩注意力模型，其特征在于，通过考虑本地和全局方面的重新加权机制来学习语义分割任务的更多代表性功能；

首先以残差网络作为基础的残差块；

通过重新校准特征图通道；

采用重新加权机制对通道进行加权，并且对未完全压缩的空间信息进行解析。

2.如权利要求1所述的用于语义分割像素组的压缩注意力模型，其特征在于，对未完全压缩的空间信息进行解析表示如下：

x_out＝x_attn*x_reS+x_attn

和Up(·)用于扩展关注通道输出的上采样函数；

其中表示注意力卷积通道F_attn(·)的输出，该输出由θ_attn和注意力卷积层的结构ψ_attn进行参数化；平均池化层APool(·)用于执行未完全压缩的操作，然后对注意力通道的输出进行上采样，以匹配主卷积通道x_res的输出。

3.如权利要求2所述的用于语义分割像素组的压缩注意力模型，其特征在于，使用通过池化层实现的下采样通道来聚合多尺度特征并同时生成的压缩全局注意力模型。