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！

龙图腾网获悉优简(南京)信息科技有限公司申请的专利一种基于注意力机制的轻量化图像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：CN116935145B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202310696027.8，技术领域涉及：G06V10/77；该发明授权一种基于注意力机制的轻量化图像特征提取方法是由黄波;李家洲设计研发完成，并于2023-06-13向国家知识产权局提交的专利申请。

本一种基于注意力机制的轻量化图像特征提取方法在说明书摘要公布了：本发明公开了一种基于注意力机制的轻量化图像特征提取方法，步骤包括：获得混洗输入特征作为中间特征；将空间信息嵌入到高度维度以及宽度维度中；获得高度维度注意力权重以及宽度维度注意力权重；学习得到注意力模块的注意力权重；获得分支加权融合后的特征输出。该轻量化图像特征提取方法采用通道分割的方式将输入特征划分成两个子特征图，其中一个子特征图通过通道混洗和残差连接的方法构造新的子特征图，再将残差连接后的新的子特征图与另一个子特征图做通道拼接得到中间特征，没有引入额外参数，保证模型的轻量化；通过考虑中间特征的重要性，并通过分支自适应加权融合输入特征和中间特征的信息，能够提高网络的特征提取能力。

本发明授权一种基于注意力机制的轻量化图像特征提取方法在权利要求书中公布了：1.一种基于注意力机制的轻量化图像特征提取方法，其特征在于，包括以下步骤： 步骤1，将待提取特征的图像输入神经网络获得输入特征，再将获得的输入特征在通道维度上拆分为两个子特征图，其中一个子特征图保持不变，另一个子特征图通过通道混洗和残差连接构造一个新的子特征图，再将新的子特征图与保持不变的子特征图重新在通道维度上拼接，获得混洗输入特征作为中间特征； 步骤2，沿中间特征的高度维度以及宽度维度来执行平均池化操作，将空间信息嵌入到高度维度以及宽度维度中； 步骤3，通过1维卷积实现通道之间的局部连接通道代替全局跨通道交互，将高度维度经过1维卷积的特征经过Sigmoid函数得到高度维度注意力权重，再将宽度维度经过1维卷积的特征经过Sigmoid函数得到宽度维度注意力权重； 步骤4，将高度维度注意力权重以及宽度维度注意力权重做矩阵相乘，学习得到注意力模块的注意力权重； 步骤5，将学习得到的注意力权重与输入特征做元素相乘，实现对输入特征进行重要性调整，再将学习得到的注意力权重与中间特征做元素相乘，实现对中间特征进行重要性调整，通过可学习参数自适应衡量重要性调整后的输入特征以及中间特征的分支权重，再将带有对应分支权重的重要性调整后的输入特征以及中间特征作元素求和，得到分支加权融合后的特征输出，将特征输出作为图像提取特征； 步骤3中，将高度维度经过1维卷积的特征经过Sigmoid函数得到高度维度注意力权重的具体步骤为： 首先将高度维度维度变换为的特征，沿着通道维度使用1维卷积局部融合k个通道得到特征，将特征的维度重新调整为，再经过后得到高度维度注意力权重，具体如下式所示：，，； 步骤3中，将宽度维度经过1维卷积的特征经过Sigmoid函数得到宽度维度注意力权重的具体步骤为： 首先将宽度维度维度变换为的特征，沿着通道维度使用1维卷积局部融合k个通道得到特征，将特征的维度重新调整为，再经过后得到宽度维度注意力权重，具体如下式所示：，，； 步骤5中，输入特征以及中间特征的分支权重分别是和，和为可学习参数，最终权重值由学习训练获得； 步骤5中，分支加权融合后的特征输出为：，式中，表示分支加权融合后的特征输出，为注意力权重，为输入特征，为中间特征，表示元素乘法，表示元素求和。

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优简(南京)信息科技有限公司，其通讯地址为：210018 江苏省南京市玄武区长江后街6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”。

以上内容由龙图腾AI智能生成。