[發明專利]一種基于注意力機制的沙粒圖像分類方法

在審

• 申請號: 202010114805.4
• 申請日: 2020-02-25
• 公開（公告）號: CN111382676A
• 公開（公告）日: 2020-07-07
• 發明（設計）人: 葛士平;顧慶;蔣智威;郝慧珍;董小龍;胡修棉
• 申請（專利權）人: 南京大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 賀翔

本發明公開了一種基于注意力機制的沙粒圖像分類方法，包括：1）收集一定數量已標注類別的沙粒圖像構建訓練數據集；2）對訓練數據集中的沙粒圖像進行縮放和歸一化預處理，使圖像數據符合網絡輸入要求；3）設計基于注意力機制的卷積網絡結構，包括基礎網絡框架和注意力模塊；4）定義損失函數，訓練沙粒圖像自動分類模型，得到端到端的多類別沙粒圖像自動分類模型；5）將預處理后的測試沙粒圖像輸入模型進行預測，輸出沙粒圖像所屬類別。本發明方法相比傳統基于特征工程的沙粒圖像分類方法不同的是引入了卷積神經網絡和注意力機制，在提高沙粒圖像分類準確率的同時，也加快了分類的速度。

技術領域

本發明屬于沙粒圖像分類技術領域，具體涉及一種基于注意力機制的沙粒圖像分類方法。

背景技術

河流砂是物源礦物和巖石等地質信息的記錄載體。通過河流砂研究，可以獲得不同地質體、不同氣候帶風化、搬運、侵蝕、構造等基本信息，是理解現代構造和地貌演化的重要途徑和有效手段。此外，河流砂研究能夠幫助科研工作者探究大江大河水系的演化，對于理解地質歷史中砂巖和沉積盆地演化具有重要意義。

對顯微鏡下沙粒薄片圖像分類是地質研究中的一項重要工作。通過對沙粒巖性的準確識別鑒定，能夠幫助地質工作者獲取河流砂中各類沙粒成分分布信息。沙粒巖性鑒定的傳統方法是人工對沙粒圖像進行識別。由于需要具備地質專業知識且工作量巨大，因此存在準確度低、耗時長、易受主觀因素影響等問題。

卷積神經網絡是一類包含卷積計算且具有深度結構的前饋神經網絡。卷積神經網絡仿照生物的視覺機制構建，其隱含層內的卷積核參數共享和層間連接的稀疏性使得卷積神經網絡能夠以較小的計算量對圖像特征進行學習。視覺注意力機制模仿人類大腦處理視覺信號時，對需要重點關注的目標區域投入更多的注意力資源，通過這種機制實現，使得神經網絡具備專注于其有效特征子集的能力。目前對于沙粒圖像的自動分類任務大多采用基于特征工程的方式實現，通過人工設計并選擇有效特征表示圖像信息，使用機器學習算法完成分類任務。但是這種方式過程繁瑣且準確率較低，而更為有效的基于卷積神經網絡的深度學習方式尚未得到很好的應用。

發明內容

針對于上述現有技術的不足，本發明的目的在于提供一種基于注意力機制的沙粒圖像分類方法，本發明通過設計卷積網絡結構自動提取沙粒圖像特征，特別引入注意力機制提取沙粒圖像中的關鍵信息，定義損失函數處理各類樣本數量不平衡問題，有效完成單晶石英、多晶石英、斜長石、堿性長石、火山巖、侵入巖、頁巖、板巖、片麻巖等多類別沙粒的分類任務。

為達到上述目的，本發明采用的技術方案如下：

本發明的一種基于注意力機制的沙粒圖像分類方法，包括步驟如下：

1)收集已標注沙粒圖像構建訓練集；

2)對沙粒圖像進行預處理；

3)設計基于注意力機制的卷積網絡結構；

4)訓練沙粒圖像自動分類模型；

5)使用上述沙粒圖像自動分類模型預測沙粒圖像的類別。

進一步地，所述步驟1)具體包括：針對不同河流沙類別，包括：單晶石英、多晶石英、斜長石、堿性長石、火山巖、侵入巖、頁巖、板巖、片麻巖，收集每一個類別的沙粒圖像，基于這些圖像構建訓練集，包括沙粒圖像集和對應的沙粒類別標注集。

進一步地，所述步驟2)具體包括：將每張沙粒圖像具有統一的張量格式，用于卷積網絡模型的輸入。

進一步地，所述步驟3)中的卷積網絡結構包括：基礎網絡框架和注意力模塊。

進一步地，所述步驟4)具體包括：基于訓練集和損失函數定義，利用已標注沙粒圖像完成基于注意力機制的卷積網絡訓練，得到端到端的沙粒圖像多類別自動分類模型。