[发明专利]一种基于变换神经网络的小分子化学结构图像识别方法

权利要求书

1.一种基于变换神经网络的小分子化学结构图像识别方法，其特征在于，包括以下步骤：

S1：获取小分子化学结构图像，并对小分子化学结构图像进行预处理；

S2：将预处理后的小分子化学结构图像作为MobileViT_2网络的输入，提取小分子化学结构图像的特征向量；

S3：获取原始SMILES序列，将其作为标签并和小分子化学结构图像的特征向量共同作为Conditional DETR网络解码部分的输入，得到SELFIES序列，并通过selfies程序包转换成新的SMILES序列，作为识别结果，完成小分子化学结构图像识别。

2.根据权利要求1所述的基于变换神经网络的小分子化学结构图像识别方法，其特征在于，所述步骤S1中，对小分子化学结构图像进行预处理的具体方法为：将小分子化学结构图像转换为RGB图像，并对其进行随机旋转。

3.根据权利要求1所述的基于变换神经网络的小分子化学结构图像识别方法，其特征在于，所述步骤S2中，MobileViT_2网络包括依次连接的第一卷积模块、第一MobileV2block模块、第二MobileV2 block模块、第三MobileV2 block模块、第四MobileV2 block模块、第五MobileV2 block模块、第一MobileViT_2block模块、第六MobileV2 block模块、第二MobileViT_2block模块、第七MobileV2 block模块、第三MobileViT_2block模块、第二卷积模块和平均池化模块。

4.根据权利要求3所述的基于变换神经网络的小分子化学结构图像识别方法，其特征在于，所述第一MobileV2 block模块、第二MobileV2 block模块、第三MobileV2 block模块、第四MobileV2 block模块和第五MobileV2 block模块用于提取小分子化学结构图像的特征信息；其中，第二MobileV2 block模块和第五MobileV2 block模块还用于对小分子化学结构图像进行下采样。

5.根据权利要求3所述的基于变换神经网络的小分子化学结构图像识别方法，其特征在于，所述第一MobileViT_2block模块、第二MobileViT_2block模块和第三MobileViT_2block模块的结构相同，均包括依次连接的第一卷积层、第二卷积层、展开层、第一组归一化层、LinearAttnFFN层、第二组归一化层、折叠层、第三卷积层和第四卷积层。

6.根据权利要求3所述的基于变换神经网络的小分子化学结构图像识别方法，其特征在于，所述第一MobileV2 block模块、第二MobileV2 block模块、第三MobileV2 block模块、第四MobileV2 block模块、第五MobileV2 block模块、第六MobileV2 block模块和第七MobileV2 block模块的结构相同，包括依次连接的卷积层、SiLU激活层、归一化层和可变形卷积块。

7.根据权利要求1所述的基于变换神经网络的小分子化学结构图像识别方法，其特征在于，所述Conditional DETR网络的解码部分包括第一子层连接模块、第二子层连接模块和第三子层连接模块；

所述原始SMILES序列作为第一子层连接模块和第二子层连接模块的输入；所述第一子层连接模块和第二子层连接模块用于对原始SMILES序列进行归一化处理、特征学习和拼接处理；所述第三子层连接模块用于将第二子层连接模块的处理结果解码生成SEFILES格式字符，得到SELFIES序列，并通过selfies程序包转换成新的SMILES序列。

8.根据权利要求7所述的基于变换神经网络的小分子化学结构图像识别方法，其特征在于，所述第一子层连接模块包括连接的第一层归一化层、第一多头自注意力子层和第一残差层；所述第二子层连接模块包括连接的第二层归一化层、第二多头注意力子层和第二残差层；所述第三子层连接模块包括连接的第三层归一化层、前馈全连接子层和第三残差层。