结构共享超图注意力模块

全局特征捕捉更优

通过可学习超图卷积挖掘通道间高阶相似性，在目标检测、病灶分割与图像分类中大幅提升模型性能。

Jingchao, Wang · 黄国恒 · Yuan, Xiaochen · 中国 · Tongxu, Lin · Pun, Chi Man · 谢芬方

Expert Systems with Applications 2025

技术优势

利用高阶相似性

通过超图学习探索通道间的高阶语义相似性，而非仅依赖成对关系。

全局信息增强

通过结构共享超图卷积，权重矩阵在不同超图组间共享，使模块深入利用全局信息。

性能显著提升

在多个任务和模型上，SHRA 模块显著增强模型性能，超越经典注意力模块。

应用场景

• 机器人视觉：在目标检测等视觉感知任务中，为机器人提供更准确的场景理解。
• 医学影像分析：在医学图像分割中，帮助更精准地识别病变区域。
• 多模态感知：捕捉模态内通道间高阶关系，提升多模态感知融合效果。