[發明專利]一種圖像分類方法及設備

有效

• 申請號: 202011058357.7
• 申請日: 2020-09-30
• 公開（公告）號: CN111898709B
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 蔣杰;楊君燕;許輝;孫家豪;劉陽;康來;魏迎梅;謝毓湘
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06N3/04
• 代理公司: 北京風雅頌專利代理有限公司 11403
• 代理人: 曾志鵬

1.一種圖像分類方法，其特征在于，包括：

建立殘差網絡模型，將所述殘差網絡模型的原始邊徑中的標準卷積替換為空洞卷積，生成空洞殘差網絡主干；

基于注意力機制模型的通道注意力模塊及空間注意力模塊，生成所述殘差網絡模型的權重層；

生成由所述空洞殘差網絡主干及所述權重層組成的殘差注意力機制模型，對所述殘差注意力機制模型進行訓練；

將圖像數據輸入所述殘差注意力機制模型，對所述圖像數據進行識別分類；

所述將所述殘差網絡模型的原始邊徑中的標準卷積替換為空洞卷積，包括：

將所述原始邊徑中的標準卷積替換為空洞卷積串聯批量歸一化串聯線性整流激活函數的卷積層；

所述生成所述殘差網絡模型的權重層，包括：

基于所述通道注意力模塊及所述空間注意力模塊，生成通道注意力權重層及空間注意力權重層，將所述通道注意力權重層及所述空間注意力權重層串聯順序排布；

所述通道注意力模塊與殘差網絡邊徑進行矩陣加和，生成所述通道注意力權重層。

2.根據權利要求1所述的方法，其特征在于，所述通道注意力模塊與殘差網絡邊徑進行矩陣加和之前，還包括：

對所述通道注意力模塊進行反卷積操作。

3.一種圖像分類設備，其特征在于，包括：

主干模塊，建立殘差網絡模型，將所述殘差網絡模型的原始邊徑中的標準卷積替換為空洞卷積，生成空洞殘差網絡主干；

權重模塊，基于注意力機制模型的通道注意力模塊及空間注意力模塊，生成所述殘差網絡模型的權重層；

生成模塊，生成由所述空洞殘差網絡主干及所述權重層組成的殘差注意力機制模型，對所述殘差注意力機制模型進行訓練；

分類模塊，將圖像數據輸入所述殘差注意力機制模型，對所述圖像數據進行識別分類；

所述主干模塊將所述殘差網絡模型的原始邊徑中的標準卷積替換為空洞卷積，包括：

將所述原始邊徑中的標準卷積替換為空洞卷積串聯批量歸一化串聯線性整流激活函數的卷積層；

所述權重模塊生成所述殘差網絡模型的權重層，包括：

基于所述通道注意力模塊及所述空間注意力模塊，生成通道注意力權重層及空間注意力權重層，將所述通道注意力權重層及所述空間注意力權重層串聯順序排布；

所述權重模塊通道注意力模塊與殘差網絡邊徑進行矩陣加和，生成所述通道注意力權重層。

4.根據權利要求3所述的設備，其特征在于，所述權重模塊通道注意力模塊與殘差網絡邊徑進行矩陣加和之前，還包括：

對所述通道注意力模塊進行反卷積操作。