公开(公告)号：CN119810464A

公开(公告)日：2025-04-11

申请号：CN202510020558.4

申请日：2025-01-07

Applicant: 济南大学

Inventor： 郭庆北 ,  曾祥飞 ,  张天泓 ,  闫洪宇

IPC: G06V10/42 ,  G06V10/44 ,  G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明提出了一种基于无窗口高斯视觉Transformer的高效特征学习方法与系统，涉及计算机视觉领域。本发明设计无窗口高斯自注意力模块（WGSAB）作为神经网络WGViT的主要构建块，在图像处理任务中通过二维高斯分布采样token并进行交互，使得特征表达不受窗口的限制，实现神经网络捕获图像的长短距依赖，降低自注意力的计算复杂度，进行高效特征学习；堆叠多个WGSAB网络模块构成了神经网络WGViT，在WGSAB中高斯token采样（GTS）通过设置不同的均值、协方差和采样率来捕获不同的长短距依赖，所得到的神经网络模型可用于图像分类、目标检测、实例分割和语义分割等视觉任务的主干。