CN113449131B 基于多特征信息捕捉和相关性分析的物品图像重识别方法 （山东建筑大学）_第1页
CN113449131B 基于多特征信息捕捉和相关性分析的物品图像重识别方法 （山东建筑大学）_第2页
CN113449131B 基于多特征信息捕捉和相关性分析的物品图像重识别方法 （山东建筑大学）_第3页
CN113449131B 基于多特征信息捕捉和相关性分析的物品图像重识别方法 （山东建筑大学）_第4页
CN113449131B 基于多特征信息捕捉和相关性分析的物品图像重识别方法 （山东建筑大学）_第5页
已阅读5页，还剩10页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于多特征信息捕捉和相关性分析的物品一种基于多特征信息捕捉和相关性分析的transformer，能够从全局上关注比较重要的特2a)采集若干张物品图像组成物品图像重识别数据库，标注数据库中物品图像的ID信b)建立基于多特征信息捕捉和相关性分析c)使用交叉熵损失函数和三元组损失函数d)将采集到的物品图像人工标记ID信息后，输入步骤f)将待检索物品的特征与测试集中物品图像特征进b-1)将输入图像的网络设为两个分支网络，分别为第一特b-2)将训练集中物品图像h输入到第一特征分支网络中，为实数空heR",将图像h进行分块处理，得到n个二维的块，通过一个线性变换层将二维的块嵌入表示为一维的向量4032.根据权利要求1所述的基于多特征信息捕捉和相关性分析的物品图像重识别方法，序列h,eR"中的第i个值的加权Attention(hl,i)，式中Qi为第i个查询的向量，T为倒计算得到多头注意力机制新的输出嵌入LN为归一化操作，将第一特征分支网络输出的特征和第二特征分支网络输出的特征y拼接3.根据权利要求1所述的基于多特征信息捕捉和相关性分析的物品图像重识别方法，其特征在于：步骤c)中通过公式计算交叉熵损失=[||va-vp||2-||va-vn||2+α]+计算得到三元组损失函数Vt，式中α为间距，va为经45做最大池化和平均池化，分别得到最大池化后的特征图和平均池化后的特征图进行拼接，[0016]b-3)将训练集中物品图像h输入到第二特征分支网络中，heR"",将图像h进行分块处理，得到n个二维的块，通过一个线性变换层将二维的块嵌入表示为一维的向量 40计算得到多头注意力机制新的输出嵌入为GELU激活函数，c1与c2均是可学习的偏置，ω为比6意力机制和空间注意力机制的卷积层和带有多头注意力机制的transformer，能够从全局[0020]图1为本发明的基于多特征信息捕捉和相关性分析的物品图像重识别方法的模型7空间注意力机制的卷积层和带有多头注意力机制的transformer，能够从全局上关注比较[0032]b-2)将训练集中物品图像h输入到第一特征分支网络中，heR"",R为实数做最大池化和平均池化，分别得到最大池化后的特征图和平均池化后的特征图进行拼接，heR",将图像h进行分块处理，得到n个二维的块，通过一个线性变换层将二维的块嵌入表示为一维的向量导致会遗漏一些边角的重要信息，所以先使用注意力机制为每个块分配不同的注意力系2[0035]步骤b-4)中的transformerencoder包括多头注意力机制和前馈层，多头注意力8Ki为第i个被查询信息和其他信息相关性的向量，Vi为第i个查询信息的向量，通过公式计算得到多头注意力机制新的输出嵌入为GELU激活函数，c1与c2均是可学习的偏置，ω为比[0036]步骤c)步骤c)中通过公式计算交叉熵损

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论