CN114092779B 一种基于注意力机制的神经网络正则化方法 （中国电子科技集团公司第二十研究所）_第1页
CN114092779B 一种基于注意力机制的神经网络正则化方法 （中国电子科技集团公司第二十研究所）_第2页
CN114092779B 一种基于注意力机制的神经网络正则化方法 （中国电子科技集团公司第二十研究所）_第3页
CN114092779B 一种基于注意力机制的神经网络正则化方法 （中国电子科技集团公司第二十研究所）_第4页
CN114092779B 一种基于注意力机制的神经网络正则化方法 （中国电子科技集团公司第二十研究所）_第5页
已阅读5页，还剩9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

号一种基于注意力机制的神经网络正则化方法本发明公开了一种基于注意力机制的神经交换不同目标图像的关键特征；(5)不同图像的关键特征和非关键特征共同组成重构图像的语断重构图像的所属类别；(7)利用重构图像对神22.根据权利要求1所述的一种基于注意力机制的神经网络正则化方法，其特征在于步3.根据权利要求1所述的一种基于注意力机制的神经网络正则化方法，其特征在于步4.根据权利要求3所述的一种基于注意力机制的神经网络正则化方法，其特征在于步骤3中利用注意力机制进行关键特征筛选的步骤具4_2将c个通道的特征图按照注意力得分5.根据权利要求4所述的一种基于注意力机制的神经网络正则化方法，其特征在于步6.根据权利要求5所述的一种基于注意力机制的神经网络正则化方法，其特征在于步骤5中当前图像的关键特征和另一图像的补充特征共同组成重构图像的语义信息，关键特7.根据权利要求6所述的一种基于注意力机制的神经网络正则化方法，其特征在于步骤6中自适应置信度估计方法的步骤具体是：6_1根据步骤5得到包含两张图像目标信息的6_2将重构特征图重新输入Resnet模型在步骤2提取36_3从预测概率中选取重构特征图对应的原图所属的两个类别的概率PA和PB作为自适6_4重构特征图所对应的原图类别与自适应置信度共同组成重构图像的训练标签，训A4[0004]本发明的目的是针对复杂模型训练时由于数据完备性不足而容易引发的过拟合[0007]步骤2、利用权重共享的编码器网络进行特征提取：将预处理后的训练图像输入[0010]步骤5、当前图像的关键特征和另一图像的补充特征共同组成重构图像的语义信5[0023]步骤2、利用权重共享的编码器网络进行特征提取：将预处理后的训练图像输入6[0026]步骤5、当前图像的关键特征和另一图像的补充特征共同组成重构图像的语义信[0035]进一步的，步骤5中当前图像的关键特征和另一图像的补充特征共同组成重构图[0039]6_3从预测概率中选取重构特征图对应的原图所属的两个类别的概率PA和PB作为[0041]6_4重构特征图所对应的原图类别与自适应置信度共同组成重构图像的训练标[0044]步骤7中应用基于注意力机制的正则化方法重构图像特征图，并利用重构特征图

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