摘要
本发明公开了一种基于超图Transformer的多标签图像分类方法,与现有技术相比,具备以下有益效果:(1)构建了一种基于超图Transformer的多标签图像分类模型,该模型在挖掘顶点之间复杂关系时表现出更强的抗噪能力和泛化性,从而提高了分类的准确率;(2)提出一种自适应超图Transformer的网络模型,该模型定义一种图像内容感知的超图关联矩阵,并通过注意力机制构建顶点间的超图关联关系,从而增强模型的鲁棒性。
技术关键词
图像分类方法
语义特征
注意力机制
双线性池化
网络模型训练
图像分类模型
图像特征提取
特征提取网络
顶点特征
交互网络
残差网络
多标签
鲁棒性
关系
系统为您推荐了相关专利信息
前列腺癌分类
分类装置
图像
多模态特征融合
分类方法
智能问答平台
AI开放平台
工作模块
数据存储模块
开放接口调用
风险评估模型
电网特征
数据分布特征
风险预测模型
风险评估规则
图像增强
识别方法
低光照环境
多尺度
注意力机制