小数据集上基于语义的局部注意视觉Transformer方法
Semantics-based local attention visual transformer method on small datasets
1. 重庆理工大学 计算机科学与工程学院, 重庆 400054
2. 西南大学 人工智能学院, 重庆 400715
摘要
视觉Transformer在各种计算机视觉任务中取得了巨大的成功。但是在小数据集上从零开始训练时，无法与同规模的卷积神经网络媲美。基于图像的局部注意力方法，可以显著提高ViT的数据效率，但是会丢失距离较远但相关的补丁之间的信息。为了解决上述问题，本文提出一种双向并行局部注意力视觉Transformer的方法。该方法首先在特征层面上对补丁进行分组，在组内执行局部注意力，以利用特征空间中补丁之间的关系弥补信息丢失。其次，为了有效融合补丁之间的信息，将基于语义的局部注意力和基于图像的局部注意力并行结合起来，通过双向自适应学习来增强ViT模型在小数据上的性能。实验结果表明，该方法在计算量为15.2GFLOPs和参数量为57.2M的情况下，分别在CIFAR-10和CIFAR-100数据集上实现了97.93%和85.80%的准确性。相比于其他方法，双向并行局部注意力视觉Transformer在增强局部引导能力的同时，保持了局部注意力所需属性的有效性。
基金项目
重庆市自然科学基金面上项目(CSTB2022NSCQ-MSX0493)
重庆市技术创新与应用发展重点项目(cstc2021jscx-dxwtBX0018)
重庆理工大学研究生教育高质量发展项目(gzlcx20233200)
出版信息
DOI: 10.19734/j.issn.1001-3695.2023.11.0643
出版期卷: 《计算机应用研究》 优先出版, 2024年第41卷 第12期
发布历史
[2024-09-02] 优先出版
引用本文
冯欣, 王俊杰, 钟声, 等. 小数据集上基于语义的局部注意视觉Transformer方法 [J]. 计算机应用研究, 2024, 41 (12). (2024-09-11). https://doi.org/10.19734/j.issn.1001-3695.2023.11.0643. (Feng Xin, Wang Junjie, Zhong Sheng, et al. Semantics-based local attention visual transformer method on small datasets [J]. Application Research of Computers, 2024, 41 (12). (2024-09-11). https://doi.org/10.19734/j.issn.1001-3695.2023.11.0643. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
