计算机工程

作者：熊中敏, 曾旗, 卢鹏, 王振华, 郑宗生

单位：上海海洋大学 信息学院, 上海 201306

关键词：逻辑推理,残差结构,注意力机制,I-RAVEN数据集,多尺度关系网络

基金：上海市科委课题(20dz1203800);上海市科委地方能力建设项目(19050502100)。

逻辑推理是感知视觉元素间规律和联系的能力，使计算机拥有类人的推理能力是一项重要的研究内容。在大量数据和深度模型的驱动下，现今人工智能已在图像处理等领域中取得超越人类水平的表现，但通过图像进行逻辑推理的能力还较落后。为解决面向逻辑推理的多尺度关系网络（MRNet）特征提取能力不足及泛化性较差的问题，提出一种改进的残差注意力多尺度关系网络（ResAMRNet）。在主干网络中，利用残差结构并结合跳跃连接与长跳跃连接，将浅层特征融入深层网络训练过程中，减少特征信息丢失，并提高模型特征提取能力。在推理模块中，将通道注意力机制与残差模块相融合检测每行图片间的关系特征，差异化各特征通道的重要程度，自适应学习注意力权重，提取关键特征。设计双池化高效通道注意力机制，结合全局最大池化进一步获取对象的特征信息，提高模型泛化性。在RAVEN和I-RAVEN数据集上的实验结果表明，ResAMRNet的分类准确率相比于MRNet分别提升了8.3和18.1个百分点，具有较强的逻辑推理能力。

来源：2023年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第6期