一种基于多层次注意力引导的特征融合方法

本发明公开了一种基于多层次注意力引导的特征融合方法，具体包括以下步骤：基于卷积神经网络提取多尺度特征图；设计空间注意力模块与通道注意力模块，分别对特征图的空间关联性和通道重要性进行动态权重分配；引入跨层次注意力引导机制，通过自适应权重融合不同层次的特征响应；最后建立特征融合模块，将加权后的多尺度特征进行级联与卷积优化，生成鲁棒性更强的融合特征。该方法通过注意力机制的自适应特性，有效抑制噪声干扰并增强关键特征表达，解决了传统方法在复杂场景下融合效果不稳定、细节信息丢失的技术难题。其优点在于显著提升图像识别、目标检测等任务的精度与鲁棒性，可广泛应用于自动驾驶、医学影像分析及工业质检领域。