[发明专利]基于多尺度注意力机制的真菌显微图像分类方法及系统

权利要求书

1.一种基于多尺度注意力机制的真菌显微图像分类方法，其特征在于，包括：

步骤1、获取训练样本，该训练样本包括多张真菌显微图像，且每张真菌显微图像具有对应的真菌类别标签；

步骤2、构建包括注意力模块的深度学习图像分类模型，使用该训练样本训练该深度学习图像分类模型，并将训练完成的该深度学习图像分类模型作为真菌图像分类模型；

步骤3、将待分类的真菌显微图像输入该真菌图像分类模型，得到其真菌类别。

2.如权利要求1所述的基于多尺度注意力机制的真菌显微图像分类方法，其特征在于，该深度学习图像分类模型中包括串联连接的卷积层，且串联卷积层的输出与该注意力模块的输入端相连。

3.如权利要求1所述的基于多尺度注意力机制的真菌显微图像分类方法，其特征在于，该深度学习图像分类模型包括平均池化层、全连接层和激活层。

4.如权利要求3所述的基于多尺度注意力机制的真菌显微图像分类方法，其特征在于，输入该深度学习图像分类模型的真菌显微图像，会经过多个卷积层提取出图像特征，并将图像特征输入带有空洞卷积的注意力模块，使深度学习网络的注意力聚焦于真菌所在区域，再经过一层卷积层后，得到真菌类别。

5.如权利要求1到4所述的任一种基于多尺度注意力机制的真菌显微图像分类方法，其特征在于，该注意力模块通过将多个空洞率不同的空洞卷积的输出特征图连接在一起，得到多尺度融合特征，再将其输入至该深度学习图像分类模型中最末端的卷积层。

6.一种基于多尺度注意力机制的真菌显微图像分类系统，其特征在于，包括：

模块1，用于获取训练样本，该训练样本包括多张真菌显微图像，且每张真菌显微图像具有对应的真菌类别标签；

模块2，用于构建包括注意力模块的深度学习图像分类模型，使用该训练样本训练该深度学习图像分类模型，并将训练完成的该深度学习图像分类模型作为真菌图像分类模型；

模块3，用于将待分类的真菌显微图像输入该真菌图像分类模型，得到其真菌类别。

7.如权利要求1所述的基于多尺度注意力机制的真菌显微图像分类系统，其特征在于，该深度学习图像分类模型中包括串联连接的卷积层，且串联卷积层的输出与该注意力模块的输入端相连。

8.如权利要求1所述的基于多尺度注意力机制的真菌显微图像分类系统，其特征在于，该深度学习图像分类模型包括平均池化层、全连接层和激活层。

9.如权利要求3所述的基于多尺度注意力机制的真菌显微图像分类系统，其特征在于，输入该深度学习图像分类模型的真菌显微图像，会经过多个卷积层提取出图像特征，并将图像特征输入带有空洞卷积的注意力模块，使深度学习网络的注意力聚焦于真菌所在区域，再经过一层卷积层后，得到真菌类别。

10.如权利要求6到9所述的任一种基于多尺度注意力机制的真菌显微图像分类系统，其特征在于，该注意力模块通过将多个空洞率不同的空洞卷积的输出特征图连接在一起，得到多尺度融合特征，再将其输入至该深度学习图像分类模型中最末端的卷积层。