[发明专利]一种基于无人机系统小样本的遮挡目标识别方法

权利要求书

1.一种基于无人机系统小样本的遮挡目标识别方法,其特征在于,包括如下步骤：

S1、设计元学习网络框架,并将用于自注意力机制模块加入元学习网络框架,以构建融合自注意力机制的元学习模型；

S2、基于多个小样本图像学习任务对所述元学习模型进行训练；

S3、利用已训练的元学习模型对实际无人机系统小样本进行遮挡目标图像识别；

所述S1中元学习网络框架为直筒型结构,且由2×2的第一卷积层、2×2的第二卷积层、2×2的第三卷积层、2×2的第四卷积层以及全连接层依次连接构成；所述自注意力机制模块的输入端与第一卷积层的输出端连接,且其输出端与第二卷积层的输出端连接；所述第一卷积层的输出端与第二卷积层的输入端之间采用残差连接的方式与自注意力机制模块进行融合；

所述自注意力机制模块由1×1的第五卷积层、1×1的第六卷积层和1×1的第七卷积层以softmax层构成；

所述第五卷积层、第六卷积层和第七卷积层的通道数均为1,且分别一一对应第一高斯函数参数φ(x)、第二高斯函数参数θ(x)、图像输入信号x的信息变换结果g(x)；

所述自注意力机制模块对第一高斯函数参数φ(x)、第二高斯函数参数θ(x)、图像输入信号x的信息变换结果g(x)处理的方法步骤如下：

A1、将所述φ(x)与θ(x)在分别进行1×1卷积后,得到φ(x)卷积结果和θ(x)卷积结果；

A2、将φ(x)卷积结果和θ(x)卷积结果进行矩阵乘操作,得到第一相似度结果,且将第一相似度结果输入至Softmax层,归一化得到第一相似度输出结果；

A3、将第一相似度输出结果与g(x)的1×1卷积结果进行矩阵乘操作,得到图像输出信号y,并将图像输出信号y输入至第二卷积层；

所述自注意力机制模块加入元学习网络框架用于嵌入图像输入信号x中的所有图块,根据任一图块i逐一遍历图像中每一其他图块j,并计算图块i与图块j之间的关系和信号在图块j处的表达,且将图块i与图块j之间关系和信号在图块j处的表达的乘积进行相加以及归一化处理。

2.根据权利要求1所述的基于无人机系统小样本的遮挡目标识别方法,其特征在于,所述自注意力机制模块计算图块i与图块j之间的关系采用嵌入式高斯函数f(·),且f(·)的

表达式如下：

其中,e表示常数e,θ(x_i)表示第一自注意力机制模块参数W_θ与图像输入信号x中图块i的乘积,T表示高斯函数的常数参数,φ(x_i)表示第二自注意力机制模块参数W_Φ与图像输入信号x中图块i的乘积,x_i表示图像输入信号x中图块i,x_j表示图像输入信号x中图块j。

3.根据权利要求2所述的基于无人机系统小样本的遮挡目标识别方法,其特征在于,所述图像输入信号x中图块j处的信息变换函数g(x_j)的表达式如下：g(x_j)＝W_gx_j

其中,W_g表示第三自注意力机制模块参数,x_j表示图像输入信号x中图块j。

4.根据权利要求3所述的基于无人机系统小样本的遮挡目标识别方法,其特征在于,所述自注意力机制模块计算表达式如下：

其中,x表示图像输入信号,y表示图像输出信号且与x尺度相同,i和j分别表示图像中图块的位置,x_i表示图像输入信号x中图块i,x_j表示图像输入信号x中图块j,表示对于任意的j都可用于归一化处理,y_i表示图像输入信号x中图块i处通过自注意力模块处理后的响应信号,函数g(x_j)表示图像输入信号x中图块j处的信息变换,函数C(x)表示归一化因子,f(·)表示嵌入式高斯函数。