该模板是一张关于语义感知卷积神经网络-场景识别网络图，通过这种双分支结构和注意力机制，该语义感知卷积神经网络能够有效地结合语义信息和RGB图像信息，提高场景识别的性能。可自己更改颜色等。整体分为语义分割分支 Semantic Branch、RGB 图像分支 RGB Branch 两大并行特征提取链路，每条链路内置多层 2D 卷积 + BN 标准化、ReLU 激活、最大池化残差模块，三次嵌入通道注意力模块 ChAM 完成特征筛选。语义分割网络输入语义掩码图，提取全局语义特征张量 FM；原始 RGB 图像输入视觉主干网络，逐层提取视觉特征张量 FI，两大分支输出特征送入顶层融合注意力模块 Attention Module，通过平均池化、全连接层、Sigmoid 激活完成双特征融合，最终输出室内 Bedroom 场景分类结果。模板下方附带两大核心模块拆解详图：左侧完整展示 Channel Attention Module（ChAM）通道注意力内部运算流程，中间呈现双特征融合注意力模块的张量拼接与加权计算逻辑，右下角配套完整图例标注，清晰区分卷积层、池化层、激活函数、全连接层、特征张量、残差连接等全部网络组件，专业符号、数学张量标注。适配 SCI 期刊论文插图、毕业设计图纸、算法项目答辩 PPT、AI 教学课件、实验室课题展板等专业场景。