[发明专利]一种基于注意力机制的多分支特征融合遥感场景图像分类方法

权利要求书

1.一种基于注意力机制的多分支特征融合遥感场景图像分类方法，其特征在于：所述方法具体过程为：

步骤一、采集遥感图像，对遥感图像进行预处理，得到预处理后的遥感图像；

步骤二、建立基于注意力机制的多分支特征融合卷积神经网络AMB-CNN；

步骤三、采用预处理后的遥感图像训练基于注意力机制的多分支特征融合卷积神经网络AMB-CNN，得到训练好的基于注意力机制的多分支特征融合卷积神经网络AMB-CNN；

步骤四、采用训练好的基于注意力机制的多分支特征融合卷积神经网络AMB-CNN对待识别遥感图像进行分类；

所述步骤二中建立基于注意力机制的多分支特征融合卷积神经网络AMB-CNN；具体过程为：

基于注意力机制的多分支特征融合卷积神经网络AMB-CNN包括第一组、第二组、第三组、第四组、第五组、第六组、第七组、第八组；

第一组输出连接第二组输入，第二组输出连接第三组输入，第三组输出连接第四组输入，第四组输出连接第五组输入，第五组输出连接第六组输入，第六组输出连接第七组输入，第七组输出连接第八组输入；

第一组依次连接关系为：第一普通2D卷积层、第一BN层、第一激活层、第一深度可分离卷积层、第二BN层、第二激活层、第一最大池化层；

步骤一预处理后的图像作为第一组的输入；

第二组依次连接关系为：第二普通2D卷积层、第三BN层、第三激活层、第一SE注意力模块、第二深度可分离卷积层、第四BN层、第四激活层、第二最大池化层；

第一组的第一最大池化层的输出作为第二组第二普通2D卷积层的输入；

第三组依次连接关系为：第三普通2D卷积层、第五BN层、第五激活层、第四普通2D卷积层、第六BN层、第六激活层、第二SE注意力模块、第三深度可分离卷积层、第七BN层、第七激活层、第三最大池化层；

第二组的第二最大池化层的输出作为第三组第三普通2D卷积层的输入；

第四组包括第一个模块、第二个模块、第一CBAM注意力模块、第十一激活层；

第四组第一个模块依次连接关系为：第五普通2D卷积层、第八BN层、第八激活层、第四深度可分离卷积层、第九BN层；

第三组的第三最大池化层的输出作为第四组第一个模块的输入；

第四组第二个模块依次连接关系为：第六普通2D卷积层、第十BN层、第九激活层、第七普通2D卷积层、第十一BN层、第十激活层、第五深度可分离卷积层、第十二BN层；

第三组的第三最大池化层的输出作为第四组第二个模块的输入；

第二个模块的输出作为第一CBAM注意力模块的输入；

融合第四组第一个模块的输出、第四组第二个模块的输出和第一CBAM注意力模块的输出，将融合后图像特征输入第十一激活层；

第五组包括第一个模块、第二个模块、第十七激活层；

第五组第一个模块依次连接关系为：第八普通2D卷积层、第十三BN层、第十二激活层、第六深度可分离卷积层、第十四BN层、第十三激活层、第九普通2D卷积层、第十五BN层、第十四激活层、第七深度可分离卷积层、第十六BN层；

第四组的第十一激活层的输出作为第五组第一个模块的输入；

第五组第二个模块依次连接关系为：第十普通2D卷积层、第十七BN层、第十五激活层、第十一普通2D卷积层、第十八BN层、第十六激活层、第八深度可分离卷积层、第十九BN层、第四最大池化层；

第四组的第十一激活层的输出作为第五组第二个模块的输入；

融合第五组第一个模块的输出和第五组第二个模块的输出；

将融合后图像特征输入第十七激活层；

第六组包括第一个模块、第二个模块、第二十一激活层；

第六组第一个模块依次连接关系为：第十二普通2D卷积层、第二十BN层、第十八激活层、第九深度可分离卷积层、第二十一BN层；

第五组的第十七激活层的输出作为第六组第一个模块的输入；

第六组第二个模块依次连接关系为：第十三普通2D卷积层、第二十二BN层、第十九激活层、第十四普通2D卷积层、第二十三BN层、第二十激活层、第十深度可分离卷积层、第二十四BN层、第五最大池化层；

第五组的第十七激活层的输出作为第六组第二个模块的输入；

融合第六组第一个模块的输出和第六组第二个模块的输出；

将融合后图像特征输入第二十一激活层；

第七组包括第一个模块、第二个模块、第二CBAM注意力模块、第二十七激活层；

第七组第一个模块依次连接关系为：第十五普通2D卷积层、第二十五BN层、第二十二激活层、第十一深度可分离卷积层、第二十六BN层、第二十三激活层、第十六普通2D卷积层、第二十七BN层、第二十四激活层、第十二深度可分离卷积层、第二十八BN层；

第六组的第二十一激活层的输出作为第七组第一个模块的输入；

第七组第二个模块依次连接关系为：第十七普通2D卷积层、第二十九BN层、第二十五激活层、第十八普通2D卷积层、第三十BN层、第二十六激活层、第十三深度可分离卷积层、第三十一BN层；

第六组的第二十一激活层的输出作为第七组第二个模块的输入；

第七组第二个模块的输出作为第二CBAM注意力模块的输入；

融合第七组第一个模块的输出、第七组第二个模块的输出和第二CBAM注意力模块的输出，将融合后图像特征输入第二十七激活层；

第八组包括：第十九普通2D卷积层、第二十普通2D卷积层、第一非对称卷积层、第二非对称卷积层、第三十二BN层、第二十八激活层、第十四深度可分离卷积层；

第七组的第二十七激活层的输出作为第十九普通2D卷积层的输入；

第七组的第二十七激活层的输出作为第二十普通2D卷积层的输入；

第二十普通2D卷积层的输出作为第一非对称卷积层的输入；

第一非对称卷积层的输出作为第二非对称卷积层的输入；

第二非对称卷积层的输出作为第三十二BN层的输入；

第三十二BN层的输出作为第二十八激活层的输入；

第二十八激活层的输出作为第十四深度可分离卷积层的输入；

融合第十九普通2D卷积层的输出、第二非对称卷积层的输出和第十四深度可分离卷积层的输出，将融合后图像特征输入第二十九激活层，第二十九激活层的输出输入全局平均池化层的输入，全局平均池化层的输出输入全连接层，全连接层输出特征向量。