买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉沈阳建筑大学申请的专利一种基于互相关自注意力机制的目标特征提取方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115131551B 。

龙图腾网通过国家知识产权局官网在2025-09-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210778826.5，技术领域涉及：G06V10/25；该发明授权一种基于互相关自注意力机制的目标特征提取方法是由袁帅;许景科;栾方军;张笑闻设计研发完成，并于2022-06-30向国家知识产权局提交的专利申请。

本一种基于互相关自注意力机制的目标特征提取方法在说明书摘要公布了：本发明涉及目标检测和识别技术领域，公开了一种基于互相关自注意力机制的目标特征提取方法，具体包括首先输入大小为H*W*C的特征图Z；然后对特征图进行窗口划分操作；再对线性层扩张通道维度为2*C，沿通道维度划分矩阵为矩阵M和矩阵V；获取互相关矩阵和激活操作；再进行自注意力计算和进行通道注意力计算；最后输出大小为H*W*C的特征图Y。本发明寻找特征图中元素间的相关性，获取目标的相似特征，同时令通道间信息共享，实现空间维度和通道维度的注意力区域选取。本发明提高了模型对图像中待测信息的识别效果，提升了模型的识别精度。

本发明授权一种基于互相关自注意力机制的目标特征提取方法在权利要求书中公布了：1.一种基于互相关自注意力机制的目标特征提取方法，其特征在于，具体按以下步骤执行： S1:首先输入大小为H*W*C的特征图Z； S2:对特征图进行窗口划分操作；具体按以下步骤执行： S2.1:将输入张量沿长和宽的方向每n个像素划分为一组，每一个窗口的大小为n*n； S2.2:将窗口中的三维张量从H*W*C延展为HW*1*C； S3:线性层扩张通道维度为2*C，沿通道维度划分矩阵为矩阵M和矩阵V； 将扩充后的张量沿通道维度切分为两部分，其中M矩阵和V矩阵中的每一列如式（1）和式（2）： 式（1） 式（2） 其中，，C表示矩阵的通道数； S4:获取互相关矩阵；具体按以下步骤执行： S4.1:将M矩阵中每一列向量复制为H*W列，再将复制后得到的大小为（H*W）*（H*W）的矩阵复制为两份，并将其中一份进行转置，最后将复制后的矩阵和其转置矩阵相减，获得了M矩阵中每个元素的差异，该矩阵定义为Mdis； S4.2:将Mdis矩阵中每个通道对应位置元素相加，获得的分子矩阵为； S4.3:将分母矩阵定义为，其表达式如式（3）： 式（3） S4.4:将分子矩阵除分母矩阵，获得相似性矩阵，计算式如式（4）； 式（4） S4.5:将矩阵使用1*1大小的卷积核进行卷积操作； S5:激活操作；具体按以下步骤执行；将卷积后的张量使用激活函数进行激活，将激活函数定义如式（5）； =式（5） 其中，X为输入张量，为通过激活函数后的矩阵； S6:进行自注意力计算；具体按以下步骤执行：将激活后的矩阵与矩阵V进行点积运算；将运算后的张量结果进行重新排列为H*W*C；再将重新排列的结果与通道注意力机制得到的通道权重进行对应通道相乘； S7:进行通道注意力计算； S8:具体通过运行YOLOv5网络模型，运行步骤如下： S8.1:获取数据集，并将数据集进行Mosaic数据增强；将增强后的数据送入网络中进行训练； S9:优化算法采用随机梯度下降算法SGD作为优化器，以16张图片作为一个训练批次，模型初始学习率为1e-2，权重衰减参数为5e-4，且动量为0.937，训练300个epoch，在模型训练的初始阶段，采用3个epoch进行热身训练； S10:训练模型后对图片进行预测，得到结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人沈阳建筑大学，其通讯地址为：110623 辽宁省沈阳市浑南区浑南中路25号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。