[发明专利]一种基于动态卷积的遥感图像舰船目标细粒度分类方法

权利要求书

1.一种基于动态卷积的遥感图像舰船目标细粒度分类方法，其特征在于，

将采集特征图输入到注意力模块中，注意力模块生成K个归一化注意力权重参数；

对采集特征图卷积处理中，平行卷积核模块中用K个平行卷积代替单独卷积，注意力权重与K个平行卷积的卷积核进行结合形成动态卷积层，最后连接到分类网络中进行分类。

2.根据权利要求1中所述的一种基于动态卷积的遥感图像舰船目标细粒度分类方法，其特征在于，所述注意力模块建模方法如下，

S1：采集动态输入的特征图，通过池化操作捕捉特征图信息得到池化特征图，池化特征图维度为1×1×c，c为通道数；

S2：池化特征图进入第一全连接层进行降维，得到第一特征图；

S3：通过ReLU函数对降维后的第一特征图引入非线性因素，克服梯度消失问题，得到第二特征图；

S4：第二特征图进入第二全连接层进行升维，维度升至1×1×c得到第三特征图，即可以表示为元素个数为c的一维向量；

S5：利用softmax函数对一维向量进行归一化，得到K个注意力权重。

3.根据权利要求2中所述的一种基于动态卷积的遥感图像舰船目标细粒度分类方法，其特征在于，所述S1中的池化操作为对输入的特征图分别进行平均池化和最大池化，两种池化下的池化特征图平行运行，在所述步骤S5中将平均池化下的第三特征图和最大池化下的第三特征图分别对应一个一维向量，两个一维向量对应相加后通过softmax函数归一化，得到K个注意力权重参数。

4.根据权利要求3中所述的一种基于动态卷积的遥感图像舰船目标细粒度分类方法，其特征在于，所述平行卷积核模块为动态输入的特征图对应的K个平行卷积核，所述K个平行卷积核与K个注意力权重对应相乘后相加得到新卷积核，所述新的卷积核以卷积的方式结合到分类网络中。

5.根据权利要求1中所述的一种基于动态卷积的遥感图像舰船目标细粒度分类方法，其特征在于，所述动态卷积层采用Block结构设计，方便嵌入到各种分类网络中进行分类。

6.根据权利要求1中所述的一种基于动态卷积的遥感图像舰船目标细粒度分类方法，其特征在于，所述分类网络为VGA或ResNet。