【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及一般的圖像數(shù)據(jù)處理或產(chǎn)生，具體涉及一種基于噪聲抑制和多尺度特征融合的圖像分類方法。
技術(shù)介紹
1、細(xì)粒度圖像分類旨在準(zhǔn)確識(shí)別具有近似外觀的不同子類別，例如細(xì)胞類別、鳥類、汽車品牌和飛機(jī)類型等。因此，細(xì)粒度圖像分類在醫(yī)療診斷、生物多樣性保護(hù)和智能交通等各個(gè)領(lǐng)域都有著重要的實(shí)際應(yīng)用，受到了廣泛關(guān)注。
2、然而，細(xì)粒度圖像分類常見的類間相似性和相對(duì)較高的類內(nèi)差異給這項(xiàng)任務(wù)帶來了重大挑戰(zhàn)，源于細(xì)粒度的特征表示常存在以下問題：（1）：背景區(qū)域?yàn)榧?xì)粒度類別判別特征的表示引入了噪聲；（2）：未能有效建立全局語義信息與局部細(xì)節(jié)信息之間的關(guān)聯(lián)；阻礙了細(xì)粒度類別判別特征表示的能力。
3、因此，需要一種基于噪聲抑制和多尺度特征融合的細(xì)粒度圖像分類方法。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)是為了解決細(xì)粒度圖像分類的問題，提供一種基于噪聲抑制和多尺度特征融合的圖像分類方法，基于特征提取網(wǎng)絡(luò)、特征金字塔網(wǎng)絡(luò)的多尺度特征表示，通過引入噪聲抑制模塊和多尺度特征融合模塊，旨在降低背景噪聲并提高模型對(duì)于細(xì)粒度類別判別特征表示的能力。
2、本專利技術(shù)提供一種基于噪聲抑制和多尺度特征融合的圖像分類方法，包括以下步驟：
3、s1、建立自然場(chǎng)景下細(xì)粒度圖像分類模型數(shù)據(jù)集，并劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集；
4、s2、建立細(xì)粒度圖像分類模型，細(xì)粒度圖像分類模型包括噪聲抑制模塊和多尺度特征融合模塊；
5、噪聲抑制模塊包括特征金字塔網(wǎng)絡(luò)和分類器，特征金字
6、多尺度特征融合模塊基于不同尺度的前景特征通過自注意力機(jī)制提高可學(xué)習(xí)的和可學(xué)習(xí)的之間信息融合能力，其中，用于分類，用于與信息交互；
7、s3、建立損失函數(shù)：
8、；
9、其中，為真實(shí)的標(biāo)簽信息；為預(yù)測(cè)類別概率分布，，為類別的數(shù)量；
10、s4、利用訓(xùn)練集、驗(yàn)證集和測(cè)試集分別訓(xùn)練、驗(yàn)證和測(cè)試細(xì)粒度圖像分類模型得到訓(xùn)練好的細(xì)粒度圖像分類模型；
11、s5、使用訓(xùn)練好的細(xì)粒度圖像分類模型進(jìn)行圖像分類得到分類結(jié)果，一種基于噪聲抑制和多尺度特征融合的圖像分類方法完成。
12、本專利技術(shù)所述的一種基于噪聲抑制和多尺度特征融合的圖像分類方法，作為優(yōu)選方式，步驟s1中，細(xì)粒度圖像分類模型數(shù)據(jù)集包括醫(yī)學(xué)圖像。
13、本專利技術(shù)所述的一種基于噪聲抑制和多尺度特征融合的圖像分類方法，作為優(yōu)選方式，步驟s2中，特征金字塔網(wǎng)絡(luò)包括自底向上和自頂向下的路徑，進(jìn)而得到不同尺度的特征圖，的輸出端均分別連接一個(gè)分類器；
14、；
15、其中，為第層特征圖的通道數(shù)，為第層特征圖的高度，為第層特征圖的寬度。
16、本專利技術(shù)所述的一種基于噪聲抑制和多尺度特征融合的圖像分類方法，作為優(yōu)選方式，。
17、本專利技術(shù)所述的一種基于噪聲抑制和多尺度特征融合的圖像分類方法，作為優(yōu)選方式，步驟s2中，分類器的分類頭為：
18、；
19、其中，為第層特征圖對(duì)應(yīng)分類器的權(quán)重；為第層特征圖對(duì)應(yīng)分類器的偏置；
20、。
21、本專利技術(shù)所述的一種基于噪聲抑制和多尺度特征融合的圖像分類方法，作為優(yōu)選方式，第層特征圖對(duì)應(yīng)的置信度為：
22、；
23、置信度閾值為置信度的閾值。
24、本專利技術(shù)所述的一種基于噪聲抑制和多尺度特征融合的圖像分類方法，作為優(yōu)選方式，為將的背景區(qū)域填充成0的向量。
25、本專利技術(shù)所述的一種基于噪聲抑制和多尺度特征融合的圖像分類方法，作為優(yōu)選方式，步驟s2中，和之間的信息融合為：
26、；
27、其中，
28、；
29、；
30、；
31、為的位置編碼，為的位置編碼，融合了空間位置信息和等級(jí)位置信息；為函數(shù)；為和的高度。
32、本專利技術(shù)所述的一種基于噪聲抑制和多尺度特征融合的圖像分類方法，作為優(yōu)選方式，步驟s2中，通過交叉注意力機(jī)制提高與信息融合能力的方法為：
33、；
34、其中，為注意力頭的索引，m為注意力頭的總數(shù)量，表示索引為注意力頭的權(quán)重，為采樣點(diǎn)的索引，k為采樣點(diǎn)的總數(shù)量，為在注意力頭、特征圖等級(jí)的采樣點(diǎn)的注意力權(quán)重，且，為在注意力頭、特征圖等級(jí)的采樣點(diǎn)的坐標(biāo)補(bǔ)償；
35、為基于可變形卷積的細(xì)粒度特征提取函數(shù)，通過引入可變形卷積提高與的信息交互，進(jìn)而提高的細(xì)粒度判別特征表示。
36、本專利技術(shù)所述的一種基于噪聲抑制和多尺度特征融合的圖像分類方法，作為優(yōu)選方式，步驟s3中，
37、；
38、其中，為全連接層；為函數(shù)。
39、本專利技術(shù)具有以下優(yōu)點(diǎn)：
40、（1）本專利技術(shù)通過引入噪聲抑制模塊和多尺度特征融合模塊，旨在降低背景噪聲的同時(shí)，在不同尺度的前景區(qū)域獲取細(xì)粒度類別判別特征表示的可能，從而使得細(xì)粒度的特征表示匯聚了淺層特征和深層特征，提高了模型對(duì)于細(xì)粒度分類任務(wù)的性能。
41、（2）相較以往的細(xì)粒度分類模型而言，本專利技術(shù)的細(xì)粒度特征表示結(jié)合噪聲抑制和多尺度特征融合，除此之外，本專利技術(shù)還提供了一種端到端細(xì)粒度特征表示的框架，減低了模型的訓(xùn)練成本，使得其有機(jī)會(huì)應(yīng)用于真實(shí)場(chǎng)景中，具有一定的實(shí)際使用價(jià)值。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于噪聲抑制和多尺度特征融合的圖像分類方法，其特征在于：包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于噪聲抑制和多尺度特征融合的圖像分類方法，其特征在于：步驟S1中，所述細(xì)粒度圖像分類模型數(shù)據(jù)集包括醫(yī)學(xué)圖像。
3.根據(jù)權(quán)利要求1所述的一種基于噪聲抑制和多尺度特征融合的圖像分類方法，其特征在于：步驟S2中，所述特征金字塔網(wǎng)絡(luò)包括自底向上和自頂向下的路徑，進(jìn)而得到不同尺度的特征圖，的輸出端均分別連接一個(gè)分類器；
4.根據(jù)權(quán)利要求1所述的一種基于噪聲抑制和多尺度特征融合的圖像分類方法，其特征在于：。
5.根據(jù)權(quán)利要求3所述的一種基于噪聲抑制和多尺度特征融合的圖像分類方法，其特征在于：步驟S2中，所述分類器的分類頭為：
6.根據(jù)權(quán)利要求5所述的一種基于噪聲抑制和多尺度特征融合的圖像分類方法，其特征在于：第層特征圖對(duì)應(yīng)的置信度為：
7.根據(jù)權(quán)利要求1所述的一種基于噪聲抑制和多尺度特征融合的圖像分類方法，其特征在于：為將的背景區(qū)域填充成0的向量。
8.根據(jù)權(quán)利要求1所述的一種基于噪聲抑制和多尺度特征
9.根據(jù)權(quán)利要求1所述的一種基于噪聲抑制和多尺度特征融合的圖像分類方法，其特征在于：步驟S2中，通過交叉注意力機(jī)制提高與信息融合能力的方法為：
10.根據(jù)權(quán)利要求1所述的一種基于噪聲抑制和多尺度特征融合的圖像分類方法，其特征在于：步驟S3中，
...【技術(shù)特征摘要】
1.一種基于噪聲抑制和多尺度特征融合的圖像分類方法，其特征在于：包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于噪聲抑制和多尺度特征融合的圖像分類方法，其特征在于：步驟s1中，所述細(xì)粒度圖像分類模型數(shù)據(jù)集包括醫(yī)學(xué)圖像。
3.根據(jù)權(quán)利要求1所述的一種基于噪聲抑制和多尺度特征融合的圖像分類方法，其特征在于：步驟s2中，所述特征金字塔網(wǎng)絡(luò)包括自底向上和自頂向下的路徑，進(jìn)而得到不同尺度的特征圖，的輸出端均分別連接一個(gè)分類器；
4.根據(jù)權(quán)利要求1所述的一種基于噪聲抑制和多尺度特征融合的圖像分類方法，其特征在于：。
5.根據(jù)權(quán)利要求3所述的一種基于噪聲抑制和多尺度特征融合的圖像分類方法，其特征在于：步驟s2中，所述分類器...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李柏蕤，連荷清，武靜威，
申請(qǐng)(專利權(quán))人：北京小蠅科技有限責(zé)任公司，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。