“注意力模型”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果1670109个，建议您升级VIP下载更多相关专利

[发明专利]基于关系感知注意力机制的两视图对应估计方法-CN202310309064.9在审
发明人：樊凡;梅沙沙;梅晓光;马佳义 -专利权人：武汉大学
申请日： 2023-03-28 - 公布日： 2023-04-28 - 主分类号： G06V10/75 文献下载
摘要：本发明提出了一种基于关系感知注意力机制的两视图对应估计方法，本方法通过去除初始假定匹配集中的错误匹配来建立正确的匹配。本方法利用关系感知的注意力机制构建空间注意力和通道注意力模块，从特征之间的关系得到的结构信息中进一步学习注意力。利用这两类模块，本方法构建了两视图对应估计网络模型，即使对于错误匹配率较高的假定匹配集，本方法仍然可以使注意力集中到内点部分和更重要的通道，从而得到高鲁棒性的网络模型。
基于关系感知注意力机制视图对应估计方法

[发明专利]一种基于通道注意力的空间注意力计算方法-CN202210087706.0在审
发明人：李国强;方奇;查琳琳 -专利权人：燕山大学
申请日： 2022-01-25 - 公布日： 2022-05-13 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于通道注意力的空间注意力计算方法，涉及深度卷积神经网络技术领域，设计通道注意力模块前向推导出通道注意力图和通道细化特征图。本发明根据通道注意力图，双分支空间注意力模块将通道细化特征图的通道分组，分为重要通道和次重要通道。这使得空间注意力和通道注意力有机地联系起来。接着将分好的通道组进行一系列的非线性操作，进而获得一个二维空间注意力图。本发明使得空间注意力和通道注意力紧密有机的联系起来，便于嵌入到目前任意主流的深度卷积神经网络中，提升网络模型的性能表现。
一种基于通道注意力空间计算方法

[发明专利]一种基于注意力机制的神经网络步态识别方法-CN202010778327.7有效
发明人：张顺利;林贝贝 -专利权人：北京交通大学
申请日： 2020-08-05 - 公布日： 2021-08-31 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种基于注意力机制的步态识别方法，包括以下步骤：从基准数据集中分割出训练集和测试集；通过未嵌入注意力机制的步态提取模型预训练网络，以此来使得模型对人体步态有好的适应性；在网络中嵌入时域和空域注意力机制模块，并加载预训练的网络模型参数；重新运用数据集训练基于注意力机制的步态识别特征提取模型，以此可以获得较好的步态识别结果。
一种基于注意力机制神经网络步态识别方法

[发明专利]一种基于注意力叠加与特征融合的肺炎X光片图像分析模型及分析方法-CN202111342941.X在审
发明人：姜丽芬;李康 -专利权人：天津师范大学
申请日： 2021-11-12 - 公布日： 2022-02-18 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于注意力叠加与特征融合的肺炎X光片图像分析模型及分析方法，使用空间注意力叠加网络，突出病灶特征，提升注意力引导精度。首先对整个的通道进行一次空间注意力值的计算，得出初始注意力分数。然后对两通道分别进行CBL和编码解码操作，得到注意力分数。最后将两注意力与初试注意力相乘。使初始注意力辅助两部分注意力的生成，并分别加强各自的特征图。
一种基于注意力叠加特征融合肺炎图像分析模型方法

[发明专利]一种基于关系注意力transformer的行人重识别方法-CN202211382659.9在审
发明人：姜峰;周金明 -专利权人：南京视察者智能科技有限公司
申请日： 2022-11-07 - 公布日： 2023-04-25 - 主分类号： G06V20/52 文献下载
摘要：本发明公开了一种基于关系注意力transformer的行人重识别方法，该方法的关系注意力transformer模型主要包括通道注意力模块和近邻关系注意力模块。通道注意力模块通过利用transformer自注意力的特性提取有效维度达到降维的作用，在保证性能的同时节省了算力，也能够初步提取不同样本之间的关联信息；近邻关系注意力模块对近邻样本中非相关样本的注意力权重做稀疏处理
一种基于关系注意力 transformer 行人识别方法

[发明专利]一种基于卷积自注意力Transformer模型的电网参数辨识方法-CN202210950190.8在审
发明人：宋公飞;王琳鹏;汪梦龙;王明;杜鹏;谢佳杰 -专利权人：南京信息工程大学
申请日： 2022-08-09 - 公布日： 2022-12-30 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及电网参数辨识技术领域，具体是一种基于卷积自注意力Transformer模型的电网参数辨识方法，包括模型训练阶段和模型预测阶段，所述模型训练阶段包括以下步骤：获取输电系统数据集，将处理后的多元数据进行归一化；构建卷积自注意力Transformer模型，将时间序列数据送入卷积自注意力Transformer模型中，开始模型训练过程；所述模型预测阶段包括以下步骤：获取真实的输电系统数据集，将处理后的多元数据进行归一化；将数据送入训练好的卷积自注意力Transformer模型中，经过运算后给出预测结果，该模型利用因果卷积在自注意力层生成Q、K，从而得到局部上下文的Q、K匹配，如形状，可以帮助模型实现较低的训练损失并进一步提高其预测准确性
一种基于卷积注意力 transformer 模型电网参数辨识方法

[发明专利]原始图像的处理方法、模型、装置、电子设备和存储介质-CN202211068077.3在审
发明人：马嘉祺;王国利;张骞;黄畅 -专利权人：北京地平线信息技术有限公司
申请日： 2022-08-31 - 公布日： 2022-11-04 - 主分类号： G06T5/00 文献下载
摘要：本公开实施例公开了一种原始图像的处理方法、模型、装置、电子设备和存储介质，其中，方法包括：基于待处理原始图像，确定编码器网络的第一输入；基于第一输入、基于窗口的自注意力网络，确定第一自注意力结果；基于第一输入、局部可乘自注意力网络，确定第二自注意力结果；基于第一自注意力结果和第二自注意力结果确定解码器网络的第二输入；基于第二输入、基于窗口的自注意力网络，确定第三自注意力结果；基于第二输入、局部可乘自注意力网络，确定第四自注意力结果；基于第三自注意力结果和第四自注意力结果，确定复原后的目标原始图像。本公开通过局部可乘自注意力网络实现局部特征的自注意力，可以有效增强颜色信息，从而提高复原效果。
原始图像处理方法模型装置电子设备存储介质

[发明专利]一种基于时空注意力模块的行为识别模型优化方法-CN202110986256.4在审
发明人：张晖;段强;李锐 -专利权人：山东浪潮科学研究院有限公司
申请日： 2021-08-26 - 公布日： 2021-11-30 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种基于时空注意力模块的行为识别模型优化方法。基于注意力模块的行为识别模型优化方法包含很多不同的方式，其中一种是将输入张量沿着通道维取最大值和平均值，再通过卷积操作将特征图映射到单通道，再对输入张量进行放缩。由于这种注意力模块只针对2D卷积神经网络领域空间信息，所以我们的方法主要针对3D卷积神经网络，提出了一种时空注意力模块来提升行为识别模型的表达能力，并结合传统通道注意力模块嵌入行为识别模型，以提高总体识别精度
一种基于时空注意力模块行为识别模型优化方法

[发明专利]基于混合自注意力机制的番茄病害检测方法及系统-CN202310562069.2在审
发明人：吴云志;丁杰;王浩宇;乐毅;张程 -专利权人：安徽农业大学
申请日： 2023-05-16 - 公布日： 2023-08-11 - 主分类号： G06V10/82 文献下载
摘要：本发明公开一种基于混合自注意力机制的番茄病害检测方法及系统，方法包括将待识别番茄叶病图像输入到PACA‑ConvNeXt模型，PACA‑ConvNeXt模型包括ConvNeXt卷积神经网络，ConvNeXt卷积神经网络的各级ConNeXt Block模块中插入有PACA注意力机制模块，PACA注意力机制模块包括像素注意块和坐标注意块；每级ConNeXt Block模块对于输入的特征图，基于PACA注意力机制模块计算该特征图的像素相关性和坐标信息相关性，得到包含像素相关性和坐标信息相关性的混合注意力特征图；基于最后一级ConNeXt Block模块输出的混合注意力特征图，预测番茄病害的种类。
基于混合注意力机制番茄病害检测方法系统

[发明专利]多任务模型训练方法、多任务预测方法、相关装置及介质-CN202210552195.5在审
发明人：宿嘉颖 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2022-05-20 - 公布日： 2022-09-13 - 主分类号： G06Q10/04 文献下载
摘要：本说明书实施例公开了一种多任务模型训练方法、多任务预测方法、相关装置及介质，其训练方法可包括：先确定样本特征在第m个子模型的注意力模块中的参数权重，根据该第m个子模型的注意力模块中的参数权重确定第m+1个子模型的注意力模块中的参数，并可基于该第m个子模型的注意力模块中的参数权重以及第m+1个子模型的注意力模块中的参数对多任务模型进行训练。该多任务模型可将多任务中的每个任务对应一个子模型，且在相邻任务之间通过注意力模块将上一个任务的关联信息迁移到下一个任务，以使下一个任务可结合该上一个任务的关联信息得到更为准确、关联性更强的预测结果。
任务模型训练方法预测相关装置介质

[发明专利]基于注意力特征优化的行人马路场景人群运动追踪方法-CN202111613402.5在审
发明人：黎俊良;张世雄;魏文应;陶键源 -专利权人：深圳龙岗智能视听研究院;广东博华超高清创新中心有限公司
申请日： 2021-12-27 - 公布日： 2022-04-05 - 主分类号： G06V20/52 文献下载
摘要：一种基于注意力特征优化的行人马路场景人群运动追踪方法，包括以下步骤：S1.基本模型选取，其中，基本模型包括特征模板、高斯混合模型和运动趋势预测算法；S2.搭建基于注意力机制模块：将注意力机制模块加入到基本模型的特征提取部分中，不仅可以提取语义信息等高级特征，还能通过特征融合的办法恢复在特征提取过程中所丢失的目标个体细节信息；S3.通过注意力机制模块改进基本模型。通过把基于注意力机制模块加入到基本模型的特征提取部分中，可以对特征提取部分中所提取的特征图进一步优化并生成高质量特征图。本发明的基于注意力特征优化的行人马路场景人群运动追踪方法可以提高识别目标个体位置的准确度，从而更好预测目标的运动轨迹。
基于注意力特征优化行人马路场景人群运动追踪方法

[发明专利]基于交叉项编码和双注意力机制的主题文本生成方法-CN202310217713.2在审
发明人：孙娜娜;路纲;党允彤;吴晓军;孙增国 -专利权人：陕西师范大学
申请日： 2023-03-08 - 公布日： 2023-07-25 - 主分类号： G06F16/34 文献下载
摘要：一种基于交叉项编码和双注意力机制的主题文本生成方法，由构建语料库、语料库数据预处理、构建文本生成网络、训练模型、生成新文本步骤组成。由于本发明采用了交叉编码的方式输入主题词之间隐含的语义特征，丰富了输入信息，生成的新文本语句更加流畅内容更加丰富，提高了语意逻辑性；对抗网络的解码器采用双注意力MTA‑LSTM模型，MTA‑LSTM模型的注意力层和多头注意力机制能够更好地融合不同位置的共享特征；在MTA‑LSTM模型中引入双注意力机制，使得输入的主题词能更好地在新文本中表达出来，提高了主题表达的完整性,融合了交叉项编码、双注意力MTA‑LSTM模型、CNN模型构造的对抗网络用于主题文本生成。
基于交叉编码注意力机制主题文本生成方法

[发明专利]一种基于BERT模型以及注意力集中网络的细粒度情感分析方法-CN202211565870.4在审
发明人：王青松;杨念殷;张超越;金梦莹;林鑫;孙文成;李嘉恩 -专利权人：辽宁大学
申请日： 2022-12-07 - 公布日： 2023-03-03 - 主分类号： G06F40/30 文献下载
摘要：一种基于BERT模型和注意力集中网络的细粒度情感分析方法，通过结合BERT模型与注意力机制，构造了一种进行细粒度情感分析任务的模型。首先将待分析的句子及其方面词拼接为输入文本，使用BERT模型对输入文本进行语义信息整合，然后通过注意力机制构造一个注意力集中网络层，进行更深层次的信息提取，最后使用一个全连接层获取最终的情感分析预测结果本方法实现了一种注意力集中网络，将句子与方面词的文本信息交互，然后使得注意力集中于句中对应方面的语义信息，并通过将其与BERT结合，使得模型有能力提取出细粒度情感分析任务文本中较深层次的语义，相较于各基线模型
一种基于 bert 模型以及注意力集中网络细粒度情感分析方法

[发明专利]一种基于注意力机制的API误用检测方法及系统-CN202210566644.1有效
发明人：吴文峻;杨京波 -专利权人：北京航空航天大学
申请日： 2022-05-24 - 公布日： 2022-08-16 - 主分类号： G06F11/36 文献下载
摘要：本发明提出一种基于注意力机制的API误用检测方法及系统，包括如下步骤：步骤1、获取检测领域预定量代码；步骤2、将所述预定量代码转化为基于注意力机制API误用检测模型所需训练数据；步骤3、利用所述训练数据训练所述基于注意力机制API误用检测模型，得到模型参数；步骤4、获取待检测代码，将待检测代码转化为所述基于注意力机制API误用检测模型要求的数据格式，将待检测代码转换的数据格式通过所述基于注意力机制API误用检测模型，得到检测结果本发明将自注意力机制应用于API使用规约的学习以及API误用检测，通过采集大量Java代码并通过静态分析构造API使用的样本集，并使用神经网络对这些样本进行训练，构造自动检测API误用的模型。
一种基于注意力机制 api 误用检测方法系统

[发明专利]一种基于视觉自注意力模型的水下图像增强方法-CN202310351943.8有效
发明人：邢文;曲思瑜;严浙平;孙岩;卢春雨 -专利权人：青岛哈尔滨工程大学创新发展中心
申请日： 2023-04-04 - 公布日： 2023-07-21 - 主分类号： G06T5/00 文献下载
摘要：一种基于视觉自注意力模型的水下图像增强方法，本发明涉及基于视觉自注意力模型的水下图像增强方法。过程为：步骤一、采用图像增强算法对水下图像进行处理，得到增强后的水下图像，作为训练集；步骤二、构建水下图像增强视觉自注意力模型；步骤三、对水下图像增强视觉自注意力模型进行训练，获得训练好的视觉自注意力模型；步骤四、将待测水下图像输入训练好的视觉自注意力模型，完成待测水下图像识别。
一种基于视觉注意力模型水下图像增强方法