来源：期刊VIP网 时间：
作者：杨成山;王明;郭东兵;赵爱军;
单位：北方自动控制技术研究所;
摘要：现有多标签图像分类算法在地面侦察机器人任务中面临复杂背景、高噪声干扰和目标间存在显著尺度差异等挑战，导致视觉特征提取效果受限。为此，提出一种基于ViT模型的全局-局部特征融合算法（GLF-ViT），通过自注意力机制筛选高响应区域增强局部特征表达，并结合全局特征实现跨尺度协同建模。在PASCAL VOC2012数据集上的实验表明，GLF-ViT算法能够有效融合全局与局部特征，在视觉特征提取方面表现出一定的优越性。
关键词：多标签图像分类;;ViT模型;;特征融合;;自注意力机制;;特征提取
