[发明专利]一种基于多尺度卷积和注意力机制的图像分类模型及方法

权利要求书

1.一种基于多尺度卷积和注意力机制的图像分类模型，其特征在于，包括：预处理层，依次连接M个编码器，注意力模块，解码器，预测层；其中：

所述预处理层，用于接收待处理的目标图片，对所述目标图片进行预处理，获得并输出第一特征图；

对于所述M个编码器中的任意的第i个编码器，用于接收目标特征图，所述目标特征图为所述第一特征图或第i-1个编码器输出的第i-1个第二特征图，M为大于0的整数，i大于0且不大于M；对所述目标特征图进行编码处理，获得并输出第i个第二特征图；

所述注意力模块，用于针对M个所述第二特征图中的每个当前特征图，对所述当前特征图分别进行平面维最大池化和均值池化，分别得到波段不变且行数和列数都为1的第四特征图和第五特征图；将第四特征图和第五特征图分别输入两个全连接层后，得到第六特征图和第七特征图；将第六特征图与第七特征图求和，得到第八特征图；将第八特征图与所述当前特征图相乘，得到优化后的波段注意力特征；对所述波段注意力特征进行波段维最大池化和均值池化，得到行数和列数不变且波段数为1的第九特征图和第十特征图，拼接第九特征图和第十特征图，得到第十一特征图；对第十一特征图进行卷积处理，将卷积结果与所述优化后的波段注意力特征相乘，得到并输出优化后的注意力特征；

所述解码器，用于对第i个第二特征图所对应的注意力特征和第(M-i)个第三特征图进行解码处理，得到第(M-i+1)个第三特征图；对第M个第三特征图进行解码处理，得到待预测特征图；

所述预测层，用于根据待预测特征图，预测所述目标图片的分类。

2.根据权利要求1所述的模型，其特征在于，对于所述M个编码器中的任意的第i个编码器，包括卷积模块和特征提取模块；其中：

所述卷积模块，用于根据长度和宽度均为1的卷积核，对接收的所述目标特征图进行卷积处理，得到通道数为64*2^i-1的第十二特征图；以及

根据长度和宽度均为1，长度和宽度均为3，长度和宽度均为5以及长度和宽度均为7的4个卷积核进行卷积处理，将得到的结果波段向拼接，得到第十三特征图；

根据长度和宽度均为1的卷积核，对第十三卷积核进行卷积处理，得到通道数为256*2^i-1的第十四特征图；

根据长度和宽度均为1的卷积核，对所述目标特征图进行卷积处理，得到通道数为256*2^i-1的第十五特征图；

将第十四特征图和第十五特征图相加，得到并输出第十六特征图；

所述特征提取模块，用于：

根据长度和宽度均为1的卷积核，对第十六特征图进行卷积处理，得到并输出通道数为64*2^i-1的第十七特征图；

根据长度和宽度均为3的卷积核，对第十七特征图进行卷积处理，得到通道数为64*2^i-1的并输出第十八特征图；

根据长度和宽度均为1的卷积核，对第十八特征图进行卷积处理，得到并输出通道数为256*2^i-1的第十九特征图；

将第十六特征图与第十九特征图相加，得到并输出第i个第二特征图。

3.根据权利要求1或2所述的模型，其特征在于，所述解码器包括：叠加层，上采样层和卷积层；其中：

所述叠加层，用于对第i个第二特征图所对应的注意力特征和第(M-i)个第三特征图相叠加，得到第(M-i+1)个叠加特征图；

所述上采样层，用于对第(M-i+1)个所述叠加特征图进行双线性插值的上采样处理，得到第(M-i+1)个第二十特征图，根据长度和宽度均为1的卷积核，对第(M-i+1)个第二十特征图进行卷积处理，得到第(M-i+1)个第二十一特征图；

所述卷积层，用于对第(M-i+1)个第二十一特征图，用长度和宽度均为3的卷积核进行卷积处理，得到第(M-i+1)个第三特征图。