[发明专利]一种用于覆冰图像细粒度分类的图像特征提取方法和装置

权利要求书

1.一种用于覆冰图像细粒度分类的图像特征提取方法，其特征在于，包括如下步骤：

步骤1，对输入的覆冰图像进行预处理；

步骤2，对预处理的图像进行特征提取；

步骤1包括：对输入的覆冰图像进行缩放，裁剪、归一化的预处理，得到预设分辨率的图像，并将其按照三原色RGB三通道的顺序组成输入矩阵；

步骤2包括：对预处理后的图像即步骤1得到的输入矩阵进行卷积、注意力机制模块Attention和池化Pooling操作得到输出特征图，具体包括如下步骤：

步骤2-1，对预处理后的图像依次进行一次卷积和池化Pooling操作，卷积核尺寸为7*7，步长为2，Pooling操作类型为最大池化max pool，核尺寸为3*3，步长为2，并输出特征图；

步骤2-2，步骤2-1输出的特征图经过第一个混和链路块Mixed Link Block计算特征图，该混和链路块Mixed Link Block包括6个混合层MixLayer，其中上一个混合层MixLayer的输出特征图作为下一个混合层MixLayer的输入特征图；对第一个混和链路块Mixed LinkBlock的输出特征图依次进行卷积和池化Pooling操作，卷积核尺寸为1*1，步长为1，池化Pooling操作类型为平均池化avg pool，核尺寸为2*2，步长为2，并输出特征图；

步骤2-3，步骤2-2输出的特征图经过第二个混和链路块Mixed Link Block计算特征图，该混和链路块Mixed Link Block包括12个混合层MixLayer，其中上一个混合层MixLayer的输出特征图作为下一个混合层MixLayer的输入特征图；对第二个混和链路块Mixed Link Block的输出特征图依次进行卷积、注意力机制模块Attention和池化Pooling操作，卷积核尺寸为1*1，步长为1，池化Pooling操作类型为avg pool，核尺寸为2*2，步长为2，并输出特征图；

步骤2-4，步骤2-3输出的特征图经过第三个混和链路块Mixed Link Block计算特征图，该混和链路块Mixed Link Block包括20个混合层MixLayer，其中上一个混合层MixLayer的输出特征图作为下一个混合层MixLayer的输入特征图；对第三个混和链路块Mixed Link Block的输出特征图依次进行卷积、注意力机制模块Attention和池化Pooling操作，三种操作与步骤2-2中第二个混和链路块Mixed Link Block后接的操作相同，并输出特征图；

步骤2-5，步骤2-4输出的特征图经过第四个混和链路块Mixed Link Block计算特征图，该混和链路块Mixed Link Block包括12个混合层MixLayer，其中上一个混合层MixLayer的输出特征图作为下一个混合层MixLayer的输入特征图；对第四个混和链路块Mixed Link Block的输出特征图进行注意力机制模块Attention操作，并输出特征图；

步骤2-6，对步骤2-5输出的特征图进行全局平均池化global average pool操作，核尺寸为7*7，操作后的特征图经过一个1000维的全连接层得到一个1000维的向量，作为原图像的图像特征；

所述混合层MixLayer为：每个混合层MixLayer包括两条计算路径，一条为内连接，另一条为外连接，两个连接分别对输入特征图进行两次卷积操作，第一个卷积核尺寸为1*1，步长为1，第二个卷积核尺寸为3*3，步长为1；将内连接计算的特征图与混合层MixLayer的输入特征图后k1个通道进行矩阵加法，即将两个相同维度的矩阵相应位置元素相加得到结果矩阵，在结果特征矩阵后面拼接外连接计算的特征矩阵得到该混合层MixLayer的输出特征图；

所述注意力机制模块Attention操作为：注意力机制模块Attention操作对输入特征图进行一个卷积操作，卷积核尺寸为1*1，步长为1，将该卷积后的结果与卷积的输入矩阵进行元素乘法操作得到Attention操作的输出特征图。

2.一种图像特征提取装置，其特征在于，所述装置包括预处理模块和特征提取模块；

所述预处理模块，用于对输入图像进行预处理，具体为对输入原图像进行裁剪、缩放、归一化的预处理，得到预设分辨率的图像，并将其按照三原色RGB三通道的顺序组成输入矩阵，所述输入原图像是覆冰图像；

所述特征提取模块用于对预处理后的图像即输入矩阵进行卷积、注意力机制模块Attention和池化Pooling操作得到输出特征图，输出特征图经过一个1000维的全连接层得到一个1000维的向量，作为原图像的图像特征；

所述装置还包括特征训练模块和图像分类模块；

所述特征训练模块用于获取数据集，数据集包含覆冰图像和非覆冰图像，将数据集中的图像随机划分出一部分作为训练集，剩余的部分作为测试集，训练集中的图像经过预处理模块和特征提取模块的处理，得到图像特征，将图像特征输入到图像特征训练分类器进行特征训练，确定图像类别的判别边界；

所述图像分类模块根据判别边界对测试集中的图像进行分类，判定图像类别为覆冰或者非覆冰。