CN109635926B - 用于神经网络的注意力特征获取方法、装置及存储介质 - Google Patents
用于神经网络的注意力特征获取方法、装置及存储介质 Download PDFInfo
- Publication number
- CN109635926B CN109635926B CN201811459423.4A CN201811459423A CN109635926B CN 109635926 B CN109635926 B CN 109635926B CN 201811459423 A CN201811459423 A CN 201811459423A CN 109635926 B CN109635926 B CN 109635926B
- Authority
- CN
- China
- Prior art keywords
- tensor
- feature
- attention
- input
- coefficient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 84
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 37
- 238000003860 storage Methods 0.000 title claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 79
- 239000013598 vector Substances 0.000 claims abstract description 69
- 230000008569 process Effects 0.000 claims description 26
- 238000005457 optimization Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 18
- 230000002787 reinforcement Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000005236 sound signal Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种用于神经网络的注意力特征获取方法、装置及存储介质,其中所述方法包括:对输入特征张量进行第一卷积处理,获得多个基准注意力张量;对所述输入特征张量进行第二卷积处理,获得注意力系数张量;基于所述输入特征张量与各所述基准注意力张量,获得与各基准注意力张量对应的基准特征向量,所述基准特征向量由所述输入特征张量和所述基准注意力张量中对应元素的乘积之和构成;利用所述注意力系数张量与基准特征向量,得到各特征点的注意力特征。本公开实施例能够将降低消耗的计算和存储资源。
Description
技术领域
本公开涉及神经网络领域,特别涉及一种用于神经网络的注意力特征获取方法、装置及存储介质。
背景技术
神经网络是一种令计算机系统自行学习解决具体任务的技术。有神经网络模块主要包括卷积模块、循环模块、全连接模块、注意力模块等。其中,卷积模块和循环模块主要用于学习局部相关性,而全连接模块和注意力模块用于学习全局相关性。
在学习全局相关性时,注意力模块的计算和记忆资源消耗均正比于输入大小的平方,因此由于资源限制无法应用于较大输入。值得注意的是,这里的输入大小衡量的是输入中基本单元的数量。例如,全连接和注意力模块的资源消耗,对于文本、语音、强化学习和机器人已编码的过往经验等输入,正比于输入长度的平方;对于图片输入,正比于图片大小的平方,即图片边长的四次方;对于视频、强化学习和机器人未编码的过往经验等输入,正比于其体积的平方,即边长的六次方。
因此,现有技术的神经网络存在由于资源限制不能应用于较大输入的技术问题。
发明内容
本公开实施例提供了一种能够将降低消耗的计算和存储资源的用于神经网络的注意力特征获取方法、装置及存储介质
根据本公开的一方面,提供了一种用于神经网络的注意力特征获取方法,其包括:
对输入特征张量进行第一卷积处理,获得多个基准注意力张量,所述基准注意力张量中的元素为与输入特征张量中各特征点对应的基准注意力;
对所述输入特征张量进行第二卷积处理,获得注意力系数张量,所述注意力系数张量中的元素为与所述输入特征张量内各所述特征点对应的基准注意力系数,并且所述注意力系数张量的通道数与所述基准注意力张量的数量相同;
基于所述输入特征张量与各所述基准注意力张量,获得与各基准注意力张量对应的基准特征向量,所述基准特征向量由所述输入特征张量和所述基准注意力张量中对应元素的乘积之和构成;
利用所述注意力系数张量与各所述基准特征向量,得到各所述特征点的注意力特征。
在一些可能的实施方式中,所述对输入特征张量进行第一卷积处理,获得多个基准注意力张量,包括:
利用第一卷积核对所述输入特征张量进行卷积处理,获得各所述基准注意力张量,其中,
所述各基准注意力张量的长度与输入特征张量的长度相同,以及所述基准注意力张量的宽度与输入特征张量的宽度相同。
在一些可能的实施方式中,所述对所述输入特征张量进行第二卷积处理,获得注意力系数张量,包括:
利用第二卷积核对所述输入特征张量进行卷积处理,获得各所述注意力系数张量,其中,
所述注意力系数张量的长度与输入特征张量的长度相同,所述注意力系数张量的宽度与输入特征张量的宽度相同。
在一些可能的实施方式中,所述基于所述输入特征张量与各所述基准注意力张量,获得与各基准注意力张量对应的基准特征向量,包括:
将所述输入特征张量中各特征点对应的特征向量与基准注意力张量中相同特征点的基准注意力相乘,得到针对基准注意力张量中每个特征点的第一乘积;
将针对基准注意力张量中每个特征点的第一乘积加和,获得与基准注意力张量对应的基准特征向量。
在一些可能的实施方式中,所述利用所述注意力系数张量与各所述基准特征向量,得到各特征点的注意力特征,包括:
分别利用各所述基准特征向量与注意力系数张量相乘,得到针对每个基准特征向量的乘积张量;
将针对各基准特征向量的乘积张量中相同特征点的乘积值相加,得到该特征点的注意力特征。
在一些可能的实施方式中,所述方法还包括:
获取输入数据,所述数据包括音频数据、文本数据、序列数据、图像数据、视频数据、多媒体数据、用户画像数据、商品画像数据、强化学习经验数据、机器人经验数据中的至少一种;
识别所述输入数据中各特征点的特征向量,并根据各所述特征向量获得所述输入特征张量。
在一些可能的实施方式中,所述利用所述输入数据获得所述输入特征张量,包括:
获取输入数据,所述输入数据包括音频数据、文本数据、序列数据、图像数据、视频数据、多媒体数据、用户画像数据、商品画像数据、强化学习经验数据、机器人经验数据中的至少一种;
识别所述输入数据中各特征点的特征向量,并根据各所述特征向量获得中间特征张量;
利用第三卷积核对所述中间特征张量执行第三卷积处理,得到所述输入特征张量,所述输入特征张量的维度与所述中间特征张量的维度相同。
在一些可能的实施方式中,所述方法还包括:
对由各特征点对应的注意力特征构成的注意力特征张量执行优化处理,所述优化处理包括:归一化处理、降维处理、升维处理中的至少一种。
在一些可能的实施方式中,所述方法还包括:
将所述输入特征张量和由各特征点对应的注意力特征构成的注意力特征张量输入至残差模块进行加和处理,得到优化的注意力张量,所述优化的注意力特征张量内的元素为针对各特征点的注意力特征张量的优化结果。
根据本公开的第二方面,提供了一种用于神经网络的注意力特征获取装置,其包括:
第一获取模块,其用于对输入特征张量进行第一卷积处理,获得多个基准注意力张量,所述基准注意力张量中的元素为与输入特征张量中各特征点对应的基准注意力;
第二获取模块,其用于对所述输入特征张量进行第二卷积处理,获得注意力系数张量,所述注意力系数张量中的元素为与所述输入特征张量内各所述特征点对应的基准注意力系数,并且所述注意力系数张量的通道数与所述基准注意力张量的数量相同;
第三获取模块,其用于基于所述输入特征张量与各所述基准注意力张量,获得与各基准注意力张量对应的基准特征向量,所述基准特征向量由所述输入特征张量和所述基准注意力张量中对应元素的乘积之和构成;
注意力模块,其用于利用所述注意力系数张量与各所述基准特征向量,得到各所述特征点的注意力特征。
在一些可能的实施方式中,所述第一获取模块还用于利用第一卷积核对所述输入特征张量进行卷积处理,获得各所述基准注意力张量,其中,
所述各基准注意力张量的长度与输入特征张量的长度相同,以及所述基准注意力张量的宽度与输入特征张量的宽度相同。
在一些可能的实施方式中,所述第二获取模块还用于利用第二卷积核对所述输入特征张量进行卷积处理,获得各所述注意力系数张量,其中,
所述注意力系数张量的长度与输入特征张量的长度相同,所述注意力系数张量的宽度与输入特征张量的宽度相同。
在一些可能的实施方式中,所述第三获取模块还用于将所述输入特征张量中各特征点对应的特征向量与基准注意力张量中相同特征点的基准注意力相乘,得到针对基准注意力张量中每个特征点的第一乘积;并且
将针对基准注意力张量中每个特征点的第一乘积加和,获得与基准注意力张量对应的基准特征向量。
在一些可能的实施方式中,所述注意力模块还用于分别利用各所述基准特征向量与注意力系数张量相乘,得到针对每个基准特征向量的乘积张量;并且
将针对各基准特征向量的乘积张量中相同特征点的乘积值相加,得到该特征点的注意力特征。
在一些可能的实施方式中,所述装置还包括:
第四获取模块,其用于获取输入数据,并识别所述输入数据中各特征点的特征向量,并根据各所述特征向量获得所述输入特征张量;其中,
所述输入数据包括音频数据、文本数据、序列数据、图像数据、视频数据、多媒体数据、用户画像数据、商品画像数据、强化学习经验数据、机器人经验数据中的至少一种。
在一些可能的实施方式中,所述装置还包括:
第五获取模块,其用于获取输入数据,识别所述输入数据中各特征点的特征向量,并根据各所述特征向量获得中间特征张量,以及利用第三卷积核对所述中间特征张量执行第三卷积处理,得到所述输入特征张量,所述输入特征张量的维度与所述中间特征张量的维度相同;
其中,所述输入数据包括音频数据、文本数据、序列数据、图像数据、视频数据、多媒体数据、用户画像数据、商品画像数据、强化学习经验数据、机器人经验数据中的至少一种。
在一些可能的实施方式中,所述装置还包括:
优化模块,其用于对由各特征点对应的注意力特征构成的注意力特征张量执行优化处理,所述优化处理包括:归一化处理、降维处理、升维处理中的至少一种。
在一些可能的实施方式中,所述装置还包括:
残差模块,其用于将所述输入特征张量和由各特征点对应的注意力特征构成的注意力特征张量输入至残差模块进行加和处理,得到优化的注意力张量,所述优化的注意力特征张量内的元素为针对各特征点的注意力特征张量的优化结果。
根据本公开的第三方面,提供了一种用于神经网络的注意力特征获取装置,其包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行第一方面中任意一项所述的方法。
根据本公开的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现第一方面中任意一项所述的方法。
本公开实施例,可以在实现全局关联性的情况下,减少资源的消耗,能够以显著更少的资源完成目前使用注意力模块学习全局相关性的任务;并且,能够在显著更大的输入上学习全局相关性,如现有技术中的注意力模块最多只能在64x64的图像上学习全局相关性,而本公开实施例能够在256x256的图像上学习全局相关性;另外,本公开实施例还能够对现有技术中的注意力模块无法进行全局相关性学习的输入学习全局相关性,例如之前无法在双目图片对、语音、强化学习和机器人的过往经验等数据上学习全局相关性,而本公开实施例则可以实现上述学习。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的一种用于神经网络的注意力特征获取方法的流程图;
图2示出根据本公开实施例的一种用于神经网络的注意力特征获取方法中步骤S300的流程图;
图3示出根据本公开实施例的一种用于神经网络的注意力特征获取方法中步骤S400的流程图;
图4示出根据本公开实施例的一种用于神经网络的注意力特征获取方法的另一流程图;
图5示出根据本公开实施的一种用于神经网络的注意力特征获取装置的框图;
图6示出根据本公开实施的一种用于神经网络的注意力特征获取装置800的框图;
图7示出根据本公开实施的一种用于神经网络的注意力特征获取装置1900的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
本公开实施例提供了一种用于神经网络的注意力特征获取方法,通过该方法可以在获取各特征的注意力来实现全局关联性的情况下,减少资源的消耗,能够以显著更少的资源完成目前使用注意力模块学习全局相关性的任务;并且,能够在显著更大的输入上学习全局相关性,如现有技术中的注意力模块最多只能在64x64的图像上学习全局相关性,而本公开实施例能够在256x256的图像上学习全局相关性;以及之前无法在双目图片对、语音、强化学习和机器人的过往经验等数据上学习全局相关性,而本公开实施例则可以实现上述学习。
图1示出根据本公开实施例的一种用于神经网络的注意力特征获取方法的流程图,其中,所述用于神经网络的注意力特征获取方法可以包括:
S100:对输入特征张量进行第一卷积处理,获得多个基准注意力张量,所述基准注意力张量中的元素为与输入特征张量中各特征点对应的基准注意力;
S200:对所述输入特征张量进行第二卷积处理,获得注意力系数张量,所述注意力系数张量中的元素为与所述输入特征张量内各所述特征点对应的基准注意力系数,并且所述注意力系数张量的通道数与所述基准注意力张量的数量相同;
S300:基于所述输入特征张量与各所述基准注意力张量,获得与各基准注意力张量对应的基准特征向量,所述基准特征向量由所述输入特征张量和所述基准注意力张量中对应元素的乘积之和构成;
S400:利用所述注意力系数张量与各所述基准特征向量,得到各所述特征点的注意力特征。
在对本公开实施例进行说明之前,首先对现有技术中注意力模块执行注意力特征的获取过程做简要说明。现有技术中的注意力模块首先可以通过两个卷积核分别对输入图像对应的特征图进行卷积操作,分别获得针对每个特征点的两个特征向量K(待注意特征)和Q(用于查询的注意特征),而后利用每个特征点的Q向量与其余特征点的K向量相乘,得到针对每个特征点的相关性张量,而后利用输入图像的特征图与各特征点的相关性张量之间对应乘积和加和等运算,获得各特征点的注意力张量。该过程需要针对每个特征点都得到相应的相关性张量,运算资源较大,计算和记忆资源消耗均正比于输入大小的平方。而本申请为了解决该技术问题,提出了一种新的分解注意力方法(用于神经网络的注意力特征获取方法),该方法可以大大减少运算资源的消耗。
下面对本公开实施例进行详细说明。本公开实施例所提供的方式可以应用在任意的电子设备和服务器中,如可以应用在手机、智能手表、智能手环、计算机设备、网络服务器、云计算中心等中,而且本公开实施例提供的方法可以应用在神经网络的网络模块中,通过该模块可以构成神经网络模型,或者也可以通过其他网络模块一起构成网络模型。
在执行本公开实施例时,可以首先获取输入数据的输入特征张量。其中,输入特征张量可以用于表示输入数据对应特征点的特征,输入特征张量中的元素为关于输入数据的各特征点的特征向量。并且针对不同的输入数据,输入特征张量的形式可以不同。例如,输入数据可以为图片、文字、视频、音频、多媒体数据、序列、强化学习经验、机器人经验等数据,对于文字类型的输入数据,其对应的输入特征张量可以为一维特征向量,对于图片等类型的输入数据,其对应的输入特征张量可以为矩阵形式等等。并且,本公开实施例中,可以直接接收输入特征张量进行后续的注意力特征的获取,例如,可以从神经网络的其他模块接收获取输出的输入特征张量,或者也可以接收输入数据,并识别获取该输入数据的输入特征张量。其中,根据输入数据形成特征向量的过程可以通过现有技术手段实现,本公开对此不进行具体限定。
在获取输入特征张量之后,即可以分别对该输入特征张量执行第一卷积处理和第二卷积处理,即执行步骤S100和S200。本公开实施例中,步骤S100和S200可以同时执行,也可以分别执行,对该两个步骤的顺序不作具体限定。
通过步骤S100可以对输入特征张量执行第一卷积处理,获得多个基准注意力张量,其中,可以利用第一卷积核对输入特征张量执行特征方向上的卷积处理,得到预设个数个基准注意力张量。其中预设个数可以为预先设置的数值,如16、32等,本领域技术人员可以根据需求自行设定。得到的基准注意力张量中的元素为与输入特征张量中各特征点对应的基准注意力。即通过第一卷积处理可以获得针对每个特征点的基准注意力,该基准注意力可以为特征向量形式。并且,获得的各基准注意力张量的长度与输入特征张量的长度相同,以及所述基准注意力张量的宽度与输入特征张量的宽度相同。
其中,针对输入数据为图片的情况,各特征点可以为图片的像素点,第一卷积核可以为1*1的卷积核,或者针对输入数据为文字的情况,各特征点可以为文字的位置标识等,第一卷积核可以为1的卷积核(线性层),或者,针对输入数据为视频的情况,各特征点可以为各帧图像中的像素点,第一卷积核可以为1*1*1的卷积核,即针对不同的输入数据,选择卷积核的类型可以不同,其可以均为1个单位形式的卷积核,或者也可以为其他类型的卷积核,本公开实施例对此不进行具体限定。
步骤S100中,可以通过第一卷积处理,得到多个基准注意力张量,每个基准注意力张量都可以包括与输入特征张量中各特征点对应的基准注意力,并且得到的各基准注意力张量不同。而且基准注意力张量的长度与输入特征张量内相应特征点的长度相同,以及所述基准注意力张量内的宽度与第输入特征张量内相应特征点的宽度相同,即基准注意力张量的特征点对应的基准注意力与输入特征张量中的各特征点的特征值一一对应。例如,对于某个维度为a×b×c的输入特征张量,各基准注意力张量的维度为a×b×1。
另外,通过步骤S200可以对输入特征张量执行第二卷积处理,获得注意力系数张量,其中,可以利用第二卷积核对输入特征张量执行卷积处理,得到注意力系数张量,该注意力系数张量中的元素为与输入特征张量的各特征点对应的基准注意力系数。并且,基准注意力系数张量内各特征点对应的注意力系数的通道数与基准注意力张量的数量相同。即基准注意力系数张量内的各元素可以表示与对应的特征点对应的多个基准注意力系数,该基准注意力系数的数量与基准注意力张量的数量相同。也就是针对特征点的每个基准注意力都可以对应相应的基准注意力系数。
其中,针对输入数据为图片的情况,各特征点可以为图片的像素点,第二卷积核可以为1*1的卷积核,或者针对输入数据为文字的情况,各特征点可以为文字的位置标识等,第二卷积核可以为1的卷积核(线性层),或者,针对输入数据为视频的情况,各特征点可以为各帧图像中的像素点,第二卷积核可以为1*1*1的卷积核,即针对不同的输入数据,选择卷积核的类型可以不同,但是均为1个单位形式的卷积核,或者也可以为其他类型的卷积核,本公开实施例对此不进行具体限定。本公开实施例中的第一卷积核和第二卷积核可以为不同的卷积核。
在步骤S200中,通过对输入特征张量进行第二卷积处理得到的注意力系数张量中,各注意力系数张量内的元素分别为针对不同的特征点的多个注意力系数。即,通过第二卷积处理,可以得到表示各特征点的注意力系数的注意力系数张量,每个注意力系数张量都可以包括与输入特征张量中各特征点对应的注意力系数。并且得到的注意力系数张量的长度与输入特征张量的长度相同,所述注意力系数张量的宽度与输入特征张量的宽度相同,得到的注意力系数张量可以表示为a×b×n,其中n为基准注意力张量的数量。
在获得注意力系数张量和基准注意力张量之后,即可以根据获得的两个类型的张量执行步骤S300和S400。
图2示出根据本公开实施例的一种用于神经网络的注意力特征获取方法中步骤S300的流程图,其中,本公开实施例中,所述基于所述输入特征张量与各所述基准注意力张量,获得与各基准注意力张量对应的基准特征向量,包括:
S301:将所述输入特征张量中各特征点对应的特征向量与基准注意力张量中相同特征点的第一注意力相乘,得到针对基准注意力张量中每个特征点的第一乘积;
S302:将针对基准注意力张量中每个特征点的第一乘积加和,获得与基准注意力张量对应的基准特征向量。
其中,在得到基准注意力张量之后,则可以将基准注意力张量与输入特征张量中相应特征点对应的向量值进行乘积,得到针对该基准注意力张量的该特征点的第一乘积。例如,输入特征张量A可以表示为[a1,b1,c1],一个基准注意力张量B可以表示为[a2,b2,c2],另一个基准注意力张量C可以表示为[a3,b3,c3]。则步骤S301可以分别得到针对基准注意力张量B的三个特征点的第一乘积,即为a1·a2,b1·b2和c1·c2,以及针对基准注意力张量C的三个特征点的第一乘积,即为a1·a3,b1·b3以及c1·c3。同理可以获得针对每个基准注意力张量的各特征点的第一乘积值。在获得各第一乘积值之后,即可以执行步骤S302。
步骤S302中,可以将针对基准注意力张量中每个特征点的第一乘积加和,获得与基准注意力张量对应的基准特征向量。即,在获得一个基准注意力张量中各相同特征点的第一乘积值之后,可以将各特征点的第一乘积加和得到基准特征向量。例如,针对基准注意力张量B,则可以得到加和向量为a1·a2,b1·b2和c1·c2的加和值,即得到针对基准注意力张量B的基准特征向量a1·a2+b1·b2+c1·c2。同样,可以得到针对基准注意力张量C的基准特征向量a1·a3+b1·b3+c1·c3。依次类推,可以得到每个基准注意力张量的基准特征向量。
本公开实施例的上述配置中,并不需要针对每个特征点运算与其他特征点之间的关联性,构建关于每个特征点的关联张量,大大提高了运算速度,以及减小了运算资源的耗费。
另外,在获得各基准注意力张量对应的基准特征向量之后,即可以通过步骤S400获取各特征点的注意力特征。图3示出根据本公开实施例的一种用于神经网络的注意力特征获取方法中步骤S400的流程图,其中,所述利用所述注意力系数张量与各所述基准特征向量,得到各特征点的注意力特征,可以包括:
S401:分别利用各所述基准特征向量与注意力系数张量相乘,得到针对每个基准特征向量的乘积张量;
S402:将针对各注意力系数张量的乘积张量中相同特征点的乘积值相加,得到该特征点的注意力特征。
在得到每个基准注意力张量对应的基准特征向量之后,即可以将基准特征向量分别与步骤S200的得到的注意力系数张量相乘,得到与基准特征向量对应的乘积张量。其中,可以将相同特征点对应的基准注意力和注意力系数相乘,由于注意力系数张量中的每个元素可以包括一个特征点的多个注意力系数,并且,每个特征点的注意力系数的数量与基准注意力张量的数量相同,因此,可以获得一一对应的注意力系数与基准注意力张量的乘积,因此,在乘积之后,可以获得每个特征点的注意力系数与基准注意力的多个乘积值。因此,通过上述即可以获得针对每个基准注意力向量对应的乘积张量,该乘积张量中包括每个特征点的上述多个乘积值。
在得到各基准注意力向量的乘积张量之后,即可以将各乘积张量中对应特征点的乘积值相加,得到针对该特征点的注意力特征。如上所述,每个乘积张量中可以包括各特征点对应的注意力系数与基准注意力的乘积值,因此可以将各乘积张量中相同点的对应注意力系数的乘积值相加,得到针对该特征点的注意力特征,从而获得每个特征点的注意力特征。由各特征点获得的注意力特征可以构成注意力特征矩阵。根据上述实施例,即可以获得输入数据中各特征点的注意力,本公开实施例的上述处理过程中,通过得到的注意力系数张量与基准注意力向量进行相乘,并进行简单的加和运算即得到最终的各特征点的注意力,该过程相对于现有技术中的运算过程减小了运算量。
另外,对于本公开实施例中的输入数据,如上述实施例所述,可以为图像、图片、视频、文字、音频等数据信息,在获得输入数据对应的输入特征张量时,可以直接根据输入数据的特征提取操作,获得各特征点的特征向量,并根据特征向量构成相应的输入特征张量。在另一些可能的实施例中,也可以通过卷积处理,得到优化的输入特征张量。
图4示出根据本公开实施例的一种用于神经网络的注意力特征获取方法的另一流程图,在步骤S100之前,本公开实施例还可以包括:
S10:获取输入数据,包括音频数据、文本数据、序列数据、图像数据、视频数据、多媒体数据、用户画像数据、商品画像数据、强化学习经验数据、机器人经验数据中的至少一种;或者在其他的实施例中,也可以包括其他类型的数据;S20:识别所述输入数据中各特征点的特征向量,并根据各所述特征向量获得中间特征张量;
S30:利用第三卷积核对所述中间特征张量执行第三卷积处理,得到输入特征张量,所述输入特征张量的维度与所述中间特征张量的维度相同。
也就是说,本公开实施例可以利用特征提取的方式,识别出输入数据的各特征向量之后,可以根据各特征向量构成中间特征张量(优化前的输入特征张量),在获得中间特征张量之后,可以利用第三卷积核对该中间特征张量进行卷积处理,对中间特征张量进行优化,得到输入特征张量。其中第三卷积核可以为1*1的卷积核,或者也可以为其他类型的卷积核,本公开对此不进行限定。对于本公开实施例的第一卷积核、第二卷积核以及第三卷积核,可以根据不同的需求以及训练过程进行优化,本公开实施例对其不进行限定。
通过对输入特征张量进行优化处理,可以提高步骤S400中获得的各特征点的注意力的精度。
在本公开的一些可能的实施例中,在经过步骤S400获得各特征点的注意力特征之后,还可以对得到的注意力特征进行优化处理,例如,可以对由各特征点对应的注意力特征构成的注意力特征张量执行归一化处理、降维处理、升维处理中的至少一种。从而可以满足后续的存储、传输、数据处理等要求。
在另一些可能的实施例中,还可以对得到的注意力特征张量进行残差连接,例如,将所述输入特征张量和由各特征点对应的注意力特征构成的注意力特征张量输入至残差模块进行加和处理,得到优化的注意力特征张量,所述优化的注意力特征张量内的元素为针对各特征点的第二注意力的优化注意力。即可以将注意力特征张量与原始输入数据对应的输入特征张量进行加和处理,得到优化的注意力张量。
综上所述,本公开实施例,可以在实现全局关联性的情况下(即确定各特征点的注意力的情况下),减少资源的消耗,能够以显著更少的资源完成目前使用注意力模块学习全局相关性的任务;并且,能够在显著更大的输入上学习全局相关性,如现有技术中的注意力模块最多只能在64x64的图像上学习全局相关性,而本公开实施例能够在256x256的图像上学习全局相关性;另外,本公开实施例还能够对现有技术中的注意力模块无法进行全局相关性学习的输入学习全局相关性,例如之前无法在双目图片对、语音、强化学习和机器人的过往经验等数据上学习全局相关性,而本公开实施例则可以实现上述学习。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。
此外,本公开还提供了一种用于神经网络的注意力特征获取装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种用于神经网络的注意力特征获取方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
图5示出根据本公开实施例的一种用于神经网络的注意力特征获取装置的框图,其中如图5所示,本公开实施例的一种用于神经网络的注意力特征获取装置,包括:
第一获取模块10,其用于对输入特征张量进行第一卷积处理,获得多个基准注意力张量,所述基准注意力张量中的元素为与输入特征张量中各特征点对应的基准注意力;
第二获取模块20,其用于对所述输入特征张量进行第二卷积处理,获得注意力系数张量,所述注意力系数张量中的元素为与所述输入特征张量内各所述特征点对应的基准注意力系数,并且所述注意力系数张量的通道数与所述基准注意力张量的数量相同;
第三获取模块30,其用于基于所述输入特征张量与各所述基准注意力张量,获得与各基准注意力张量对应的基准特征向量,所述基准特征向量由所述输入特征张量和所述基准注意力张量中对应元素的乘积之和构成;
注意力模块40,其用于利用所述注意力系数张量与各所述基准特征向量,得到各所述特征点的注意力特征。
在一些可能的实施方式中,所述第一获取模块还用于利用第一卷积核对所述输入特征张量进行卷积处理,获得各所述基准注意力张量,其中,
所述各基准注意力张量的长度与输入特征张量的长度相同,以及所述基准注意力张量的宽度与输入特征张量的宽度相同。
在一些可能的实施方式中,所述第二获取模块还用于利用第二卷积核对所述输入特征张量进行卷积处理,获得各所述注意力系数张量,其中,
所述注意力系数张量的长度与输入特征张量的长度相同,所述注意力系数张量的宽度与输入特征张量的宽度相同。
在一些可能的实施方式中,所述第三获取模块还用于将所述输入特征张量中各特征点对应的特征向量与基准注意力张量中相同特征点的基准注意力相乘,得到针对基准注意力张量中每个特征点的第一乘积;并且
将针对基准注意力张量中每个特征点的第一乘积加和,获得与基准注意力张量对应的基准特征向量。
在一些可能的实施方式中,所述注意力模块还用于分别利用各所述基准特征向量与注意力系数张量相乘,得到针对每个基准特征向量的乘积张量;并且
将针对各基准特征向量的乘积张量中相同特征点的乘积值相加,得到该特征点的注意力特征。
在一些可能的实施方式中,所述装置还包括:
第四获取模块,其用于获取输入数据,并识别所述输入数据中各特征点的特征向量,并根据各所述特征向量获得所述输入特征张量;其中,
所述输入数据包括音频数据、文本数据、序列数据、图像数据、视频数据、多媒体数据、用户画像数据、商品画像数据、强化学习经验数据、机器人经验数据中的至少一种。
在一些可能的实施方式中,所述装置还包括:
第五获取模块,其用于获取输入数据,识别所述输入数据中各特征点的特征向量,并根据各所述特征向量获得中间特征张量,以及利用第三卷积核对所述中间特征张量执行第三卷积处理,得到所述输入特征张量,所述输入特征张量的维度与所述中间特征张量的维度相同;
其中,所述输入数据包括音频数据、文本数据、序列数据、图像数据、视频数据、多媒体数据、用户画像数据、商品画像数据、强化学习经验数据、机器人经验数据中的至少一种。
在一些可能的实施方式中,所述装置还包括:
优化模块,其用于对由各特征点对应的注意力特征构成的注意力特征张量执行优化处理,所述优化处理包括:归一化处理、降维处理、升维处理中的至少一种。
在一些可能的实施方式中,所述装置还包括:
残差模块,其用于将所述输入特征张量和由各特征点对应的注意力特征构成的注意力特征张量输入至残差模块进行加和处理,得到优化的注意力张量,所述优化的注意力特征张量内的元素为针对各特征点的注意力特征张量的优化结果。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图6示出根据本公开实施的一种用于神经网络的注意力特征获取装置800的框图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图6,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图7示出根据本公开实施的一种用于神经网络的注意力特征获取装置1900的框图。例如,电子设备1900可以被提供为一服务器。参照图7,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (18)
1.一种用于神经网络的注意力特征获取方法,其特征在于,包括:
获取输入数据,所述输入数据为图像数据;
识别所述图像数据中各特征点的特征向量,并根据各所述特征向量获得输入特征张量,所述特征点为所述图像数据中的像素点;
对输入特征张量进行第一卷积处理,获得多个基准注意力张量,所述基准注意力张量中的元素为与输入特征张量中各所述特征点对应的基准注意力;
对所述输入特征张量进行第二卷积处理,获得注意力系数张量,所述注意力系数张量中的元素为与所述输入特征张量内各所述特征点对应的基准注意力系数,并且所述注意力系数张量的通道数与所述基准注意力张量的数量相同;
基于所述输入特征张量与各所述基准注意力张量,获得与各基准注意力张量对应的基准特征向量,所述基准特征向量由所述输入特征张量和所述基准注意力张量中对应元素的乘积之和构成;
利用所述注意力系数张量与各所述基准特征向量,得到各所述特征点的注意力特征,所述注意力特征用于表征输入数据中各所述特征点的注意力。
2.根据权利要求1所述的方法,其特征在于,所述对输入特征张量进行第一卷积处理,获得多个基准注意力张量,包括:
利用第一卷积核对所述输入特征张量进行卷积处理,获得各所述基准注意力张量,其中,
所述各基准注意力张量的长度与输入特征张量的长度相同,以及所述基准注意力张量的宽度与输入特征张量的宽度相同。
3.根据权利要求1或2所述的方法,其特征在于,所述对所述输入特征张量进行第二卷积处理,获得注意力系数张量,包括:
利用第二卷积核对所述输入特征张量进行卷积处理,获得各所述注意力系数张量,其中,
所述注意力系数张量的长度与输入特征张量的长度相同,所述注意力系数张量的宽度与输入特征张量的宽度相同。
4.根据权利要求1-2中任意一项所述的方法,其特征在于,所述基于所述输入特征张量与各所述基准注意力张量,获得与各基准注意力张量对应的基准特征向量,包括:
将所述输入特征张量中各特征点对应的特征向量与基准注意力张量中相同特征点的基准注意力相乘,得到针对基准注意力张量中每个特征点的第一乘积;
将针对基准注意力张量中每个特征点的第一乘积加和,获得与基准注意力张量对应的基准特征向量。
5.根据权利要求1-2中任意一项所述的方法,其特征在于,所述利用所述注意力系数张量与各所述基准特征向量,得到各特征点的注意力特征,包括:
分别利用各所述基准特征向量与注意力系数张量相乘,得到针对每个基准特征向量的乘积张量;
将针对各基准特征向量的乘积张量中相同特征点的乘积值相加,得到该特征点的注意力特征。
6.根据权利要求1-2中任意一项所述的方法,其特征在于,所述识别所述图像数据中各特征点的特征向量,并根据各所述特征向量获得输入特征张量,包括:
识别所述输入数据中各特征点的特征向量,并根据各所述特征向量获得中间特征张量;
利用第三卷积核对所述中间特征张量执行第三卷积处理,得到所述输入特征张量,所述输入特征张量的维度与所述中间特征张量的维度相同。
7.根据权利要求1-2中任意一项所述的方法,其特征在于,所述方法还包括:
对由各特征点对应的注意力特征构成的注意力特征张量执行优化处理,所述优化处理包括:归一化处理、降维处理、升维处理中的至少一种。
8.根据权利要求1-2中任意一项所述的方法,其特征在于,所述方法还包括:
将所述输入特征张量和由各特征点对应的注意力特征构成的注意力特征张量输入至残差模块进行加和处理,得到优化的注意力张量,所述优化的注意力特征张量内的元素为针对各特征点的注意力特征张量的优化结果。
9.一种用于神经网络的注意力特征获取装置,其特征在于,包括:
第一获取模块,其用于对输入特征张量进行第一卷积处理,获得多个基准注意力张量,所述基准注意力张量中的元素为与输入特征张量中各特征点对应的基准注意力;
第二获取模块,其用于对所述输入特征张量进行第二卷积处理,获得注意力系数张量,所述注意力系数张量中的元素为与所述输入特征张量内各所述特征点对应的基准注意力系数,并且所述注意力系数张量的通道数与所述基准注意力张量的数量相同;
第三获取模块,其用于基于所述输入特征张量与各所述基准注意力张量,获得与各基准注意力张量对应的基准特征向量,所述基准特征向量由所述输入特征张量和所述基准注意力张量中对应元素的乘积之和构成;
注意力模块,其用于利用所述注意力系数张量与各所述基准特征向量,得到各所述特征点的注意力特征,所述注意力特征用于表征输入数据中各所述特征点的注意力;
所述装置还包括:第四获取模块,其用于在执行第一获取模块之前,获取输入数据,并识别所述输入数据中各特征点的特征向量,并根据各所述特征向量获得输入特征张量,所述输入数据为图像数据,所述特征点为所述图像数据中的像素点。
10.根据权利要求9所述的装置,其特征在于,所述第一获取模块还用于利用第一卷积核对所述输入特征张量进行卷积处理,获得各所述基准注意力张量,其中,
所述各基准注意力张量的长度与输入特征张量的长度相同,以及所述基准注意力张量的宽度与输入特征张量的宽度相同。
11.根据权利要求9或10所述的装置,其特征在于,所述第二获取模块还用于利用第二卷积核对所述输入特征张量进行卷积处理,获得各所述注意力系数张量,其中,
所述注意力系数张量的长度与输入特征张量的长度相同,所述注意力系数张量的宽度与输入特征张量的宽度相同。
12.根据权利要求9-10中任意一项所述的装置,其特征在于,所述第三获取模块还用于将所述输入特征张量中各特征点对应的特征向量与基准注意力张量中相同特征点的基准注意力相乘,得到针对基准注意力张量中每个特征点的第一乘积;并且
将针对基准注意力张量中每个特征点的第一乘积加和,获得与基准注意力张量对应的基准特征向量。
13.根据权利要求9-10中任意一项所述的装置,其特征在于,所述注意力模块还用于分别利用各所述基准特征向量与注意力系数张量相乘,得到针对每个基准特征向量的乘积张量;并且
将针对各基准特征向量的乘积张量中相同特征点的乘积值相加,得到该特征点的注意力特征。
14.根据权利要求9-10中任意一项所述的装置,其特征在于,所述装置还包括:
第五获取模块,其用于获取输入数据,识别所述输入数据中各特征点的特征向量,并根据各所述特征向量获得中间特征张量,以及利用第三卷积核对所述中间特征张量执行第三卷积处理,得到所述输入特征张量,所述输入特征张量的维度与所述中间特征张量的维度相同。
15.根据权利要求9-10中任意一项所述的装置,其特征在于,所述装置还包括:
优化模块,其用于对由各特征点对应的注意力特征构成的注意力特征张量执行优化处理,所述优化处理包括:归一化处理、降维处理、升维处理中的至少一种。
16.根据权利要求9-10中任意一项所述的装置,其特征在于,所述装置还包括:
残差模块,其用于将所述输入特征张量和由各特征点对应的注意力特征构成的注意力特征张量输入至残差模块进行加和处理,得到优化的注意力张量,所述优化的注意力特征张量内的元素为针对各特征点的注意力特征张量的优化结果。
17.一种用于神经网络的注意力特征获取装置,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行权利要求1至8中任意一项所述的方法。
18.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至8中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811459423.4A CN109635926B (zh) | 2018-11-30 | 2018-11-30 | 用于神经网络的注意力特征获取方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811459423.4A CN109635926B (zh) | 2018-11-30 | 2018-11-30 | 用于神经网络的注意力特征获取方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109635926A CN109635926A (zh) | 2019-04-16 |
CN109635926B true CN109635926B (zh) | 2021-11-05 |
Family
ID=66070566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811459423.4A Active CN109635926B (zh) | 2018-11-30 | 2018-11-30 | 用于神经网络的注意力特征获取方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109635926B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111462097A (zh) * | 2020-04-03 | 2020-07-28 | 深圳前海微众银行股份有限公司 | 基于联邦学习的图像处理方法、装置、设备及存储介质 |
CN113741528B (zh) * | 2021-09-13 | 2023-05-23 | 中国人民解放军国防科技大学 | 一种面向多无人机碰撞规避的深度强化学习训练加速方法 |
CN114913848A (zh) * | 2022-04-26 | 2022-08-16 | 北京市商汤科技开发有限公司 | 语音识别方法、装置、计算机设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107515895A (zh) * | 2017-07-14 | 2017-12-26 | 中国科学院计算技术研究所 | 一种基于目标检测的视觉目标检索方法与系统 |
CN108229531A (zh) * | 2017-09-29 | 2018-06-29 | 北京市商汤科技开发有限公司 | 对象特征处理方法、装置、存储介质和电子设备 |
CN108229490A (zh) * | 2017-02-23 | 2018-06-29 | 北京市商汤科技开发有限公司 | 关键点检测方法、神经网络训练方法、装置和电子设备 |
CN108830157A (zh) * | 2018-05-15 | 2018-11-16 | 华北电力大学(保定) | 基于注意力机制和3d卷积神经网络的人体行为识别方法 |
CN108876813A (zh) * | 2017-11-01 | 2018-11-23 | 北京旷视科技有限公司 | 用于视频中物体检测的图像处理方法、装置及设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9965705B2 (en) * | 2015-11-03 | 2018-05-08 | Baidu Usa Llc | Systems and methods for attention-based configurable convolutional neural networks (ABC-CNN) for visual question answering |
US10929681B2 (en) * | 2016-11-03 | 2021-02-23 | Nec Corporation | Surveillance system using adaptive spatiotemporal convolution feature representation with dynamic abstraction for video to language translation |
US10558750B2 (en) * | 2016-11-18 | 2020-02-11 | Salesforce.Com, Inc. | Spatial attention model for image captioning |
-
2018
- 2018-11-30 CN CN201811459423.4A patent/CN109635926B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108229490A (zh) * | 2017-02-23 | 2018-06-29 | 北京市商汤科技开发有限公司 | 关键点检测方法、神经网络训练方法、装置和电子设备 |
CN107515895A (zh) * | 2017-07-14 | 2017-12-26 | 中国科学院计算技术研究所 | 一种基于目标检测的视觉目标检索方法与系统 |
CN108229531A (zh) * | 2017-09-29 | 2018-06-29 | 北京市商汤科技开发有限公司 | 对象特征处理方法、装置、存储介质和电子设备 |
CN108876813A (zh) * | 2017-11-01 | 2018-11-23 | 北京旷视科技有限公司 | 用于视频中物体检测的图像处理方法、装置及设备 |
CN108830157A (zh) * | 2018-05-15 | 2018-11-16 | 华北电力大学(保定) | 基于注意力机制和3d卷积神经网络的人体行为识别方法 |
Non-Patent Citations (2)
Title |
---|
Learning Multi-Attention Convolutional Neural Network for Fine-Grained Image Recognition;Heliang Zheng 等;《2017 IEEE International Conference on Computer Vision》;20171225;5219-5227 * |
基于多注意力卷积神经网络的特定目标情感分析;梁斌 等;《计算机研究与发展》;20170831;第54卷(第8期);1724-1735 * |
Also Published As
Publication number | Publication date |
---|---|
CN109635926A (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109614876B (zh) | 关键点检测方法及装置、电子设备和存储介质 | |
CN110647834B (zh) | 人脸和人手关联检测方法及装置、电子设备和存储介质 | |
CN109800737B (zh) | 面部识别方法及装置、电子设备和存储介质 | |
CN109816611B (zh) | 视频修复方法及装置、电子设备和存储介质 | |
CN109522910B (zh) | 关键点检测方法及装置、电子设备和存储介质 | |
CN110837761B (zh) | 多模型知识蒸馏方法及装置、电子设备和存储介质 | |
CN109919300B (zh) | 神经网络训练方法及装置以及图像处理方法及装置 | |
CN107944409B (zh) | 能够区分关键动作的视频分析方法及装置 | |
CN110909815B (zh) | 神经网络训练、图像处理方法、装置及电子设备 | |
CN113538517A (zh) | 目标追踪方法及装置、电子设备和存储介质 | |
CN110458218B (zh) | 图像分类方法及装置、分类网络训练方法及装置 | |
CN109145970B (zh) | 基于图像的问答处理方法和装置、电子设备及存储介质 | |
CN109903252B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111539410B (zh) | 字符识别方法及装置、电子设备和存储介质 | |
CN110675355B (zh) | 图像重建方法及装置、电子设备和存储介质 | |
CN109977860B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110188865B (zh) | 信息处理方法及装置、电子设备和存储介质 | |
CN109635926B (zh) | 用于神经网络的注意力特征获取方法、装置及存储介质 | |
CN111242303A (zh) | 网络训练方法及装置、图像处理方法及装置 | |
CN110633715A (zh) | 图像处理方法、网络训练方法及装置、和电子设备 | |
CN113673433A (zh) | 一种行为识别方法及装置、电子设备和存储介质 | |
CN111488964B (zh) | 图像处理方法及装置、神经网络训练方法及装置 | |
CN111369456B (zh) | 图像去噪方法及装置、电子设备和存储介质 | |
CN114549983A (zh) | 计算机视觉模型训练方法及装置、电子设备和存储介质 | |
CN112800954A (zh) | 文本检测方法及装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |