arXiv cs.AI· Junseo Min, Joongheon Kim·· 11 小时前AI 评分18
StructAttn：面向细粒度毫米波液体识别的结构化 Token 注意力
Structured-Token Attention for Fine-Grained mmWave Liquid Identification
AI 导读
StructAttn 用结构化 Token 注意力将雷达特征张量表示为天线、特征、分支与全局四个互补视图，嵌入 11 个 token 后接入三层 Transformer，在公开 FG-LiquID 数据集（30 种液体、3000 个样本）上取得 96.70% 的平均最佳 epoch 准确率，比标量 token 注意力模型高 1.50 个百分点。
正文 · AI 翻译
摘要：细粒度液体识别要求分类器能够从紧凑的毫米波测量中区分相似物质。我们研究了结构化 token 注意力，它通过互补的天线、特征、分支和全局视图来表示雷达特征张量。所提出的 StructAttn 模型将这些视图嵌入为十一个 token，并用三层 transformer 将它们组合起来。在公开的 FG-LiquID 数据上进行的实验涵盖 30 种液体和 3,000 个样本。在发布划分上使用五个随机种子，StructAttn 达到 96.70\% 的平均最佳轮次准确率，与原始配方的 MMNet 基线持平，并比标量 token 注意力模型高出 1.50 个百分点。五种子概率集成达到 97\%，对应 600 个测试样本中的 18 个错误。最终轮次和五折结果补充了基于检查点选择的比较，StructAttn 获得 95.30\% 的折外准确率。Token 和特征分析表明，结构化视图对预测有用，而残余混淆集中在水、软饮料和食用油类别。这些结果支持将结构化 token 化作为基于注意力的液体识别的一种实用设计选择。
| 评论： | ICEIC 2027 论文预印本 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.27512 [cs.AI] |
| （或此版本的 arXiv:2610.27512v1 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2610.27512 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Junseo Min [查看电子邮件]
[v1]
2026 年 10 月 20 日星期二 02:27:39 UTC（84 KB）
来源：arXiv cs.AI · arxiv.org