【技术实现步骤摘要】
本专利技术属于计算机视觉领域，特别涉及一种基于集中注意力的商品识别方法及系统。
技术介绍
1、detr模型显著提高了检测器的性能，甚至优于经典卷积模型。然而，在传统的编码器结构中，所有的信息token都被一视同仁的对待，这带来了冗余的计算负担。如果能够将集中注意力在携带更多信息的token上，就能够在提升计算效率和提升模型精度之间达到更好的平衡。
技术实现思路
1、本专利技术提供一种基于集中注意力的商品识别方法及系统，旨在减少传统detr模型的计算量，通过集中注意力在携带更多信息的token，从而提升商品的识别效率和识别精度。
2、本专利技术对传统detr模型作出了改进，提供一种基于集中注意力的商品识别方法，包括以下步骤：
3、s1、获取摄像头视频流，每秒对其抽帧获取待检测图片；
4、s2、构建集中注意力模块，将来自骨干网络的多尺度特征图输入到该模块；首先，把多尺度特征图输入到前景目标选择器中，利用ground truth框和标签来监督前景选择，用一个基...
【技术保护点】
1.一种基于集中注意力的商品识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于注意力集中的商品识别方法，S2中的自上而下分数调制，其特征在于，形式上，获取来自主干的多尺度特征，其中，我们获得三种不同尺度的特征映射，并下采样以获得即；考虑到高阶特征图比低阶特征图包含更丰富的语义和更高的分辨率，通过上采样的方式逐层传输前景分数；对于给定特征映射，其中，，其中，表示第个特征映射的前景分数，是使用双线性插值的上采样函数，是所有特征映射中token的全局分数预测器，是一组可学习的调制系数，表示多尺度特征映射的层数，通过这种方式，不同特征图的定位信
...【技术特征摘要】
1.一种基于集中注意力的商品识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于注意力集中的商品识别方法，s2中的自上而下分数调制，其特征在于，形式上，获取来自主干的多尺度特征，其中，我们获得三种不同尺度的特征映射，并下采样以获得即；考虑到高阶特征图比低阶特征图包含更丰富的语义和更高的分辨率，通过上采样的方式逐层传输前景分数；对于给定特征映射，其中，，其中，表示第个特征映射的前景分数，是使用双线性插值的上采样函数，是所有特征映射中token的全局分数预测器，是一组可学习的调制系数，表示多尺度特征映射的层数，通过这种方式，不同特征图的定位信息相互关联。
3.根据权利要求1所述的一种基于集中注意力的商品识别方法，s2中的多类别分数预测器，其特征在于，为避免对背景token进行无意义的计算，采用前景信息和类别语义信息叠加策略，由预测器计算得到前景类别得分，获得类别分数最大值，前景得分和类别得分的乘积作为确定注意力计算中涉及的细粒度to...
【专利技术属性】
技术研发人员：李忠涛，谷亚奇，孔祥玉，王凯，张波，郭庆北，张玉璘，陈图川，
申请(专利权)人：济南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。