[发明专利]基于残差收缩模块与注意力机制的岩石薄片图像识别方法

权利要求书

1.一种基于残差收缩模块与注意力机制的岩石薄片图像识别与分类方法，其特征在于，所述岩石薄片图像识别与分类方法包括如下步骤：

S100：同时输入岩石薄片的正交偏光图像与单偏光图像；

S200：所述岩石薄片的正交偏光图像和单偏光图像在通道维度“concat”连接；

S300：通过分组卷积的方式分别独立提取出所述岩石薄片的正交偏光图像和单偏光图像的低层次特征，其中，分类网络的第三层是一个卷积组，用来分别提取两幅图像的低层次特征，由两个浅层基础模块构成，浅层基础模块的结构是由两个并行的基础模块构成；

S400：将岩石薄片的正交偏光图像和单偏光图像的两组所述低层次特征融合后，共同提取高层次特征，其中，分类网络的第五、六、七层是三个卷积组，用来提取融合后图像的高层次特征，每个卷积组由两个基础模块构建而成；

S500：输入全连接层与softmax分类层完成岩石薄片图像的识别与分类；

其中，分类网络的基础模块 采用残差收缩模块与注意力机制相结合；

所述分类网络的基础模块的运算包括以下步骤：

S301：将基础模块的输入特征进行两次卷积操作；

S302：将步骤S301得到的特征进行绝对值化，然后输入至阈值子网络，获取每个特征通道的阈值；

在步骤S302中，所述获取每个特征通道的阈值的子网络包括以下步骤：

S3021：将输入的特征进行全局平均池化，得到C×1×1的特征通道表征实数；

S3022：将输入的特征进行全局最大池化，得到C×1×1的特征通道表征实数；

S3023：将步骤S3021与步骤S3022得到的两组特征通道表征实数分别输入至两个结构相同的全连接网络中，基于全连接网络的输出得到两组特征通道阈值尺度；其中，全连接网络共有两层神经元节点，第一层具有C个神经元节点，使用ReLU作为激活函数；第二层同样具有C个神经元节点，使用Sigmoid作为激活函数；

S3024：将步骤S3023中得到的两组特征通道阈值尺度求平均值，然后与步骤S3021中的特征通道表征实数相乘，得到各个特征通道的阈值；

S303：将步骤S301得到的特征输入基于通道域的注意力机制的权重系数子网络，获得每个特征通道的权重系数β；

S304：将步骤S301得到的特征使用步骤S302得到的阈值进行软阈值化操作，得到软阈值化后的新特征；

S305：将步骤S304得到的新特征使用步骤S303得到的权重系数进行特征通道的加权操作，得到基于通道域的注意力机制加权后的特征；

S306：将步骤S305得到的基于通道域的注意力机制加权后的特征与基础模块的输入特征完成短路连接，得到基础模块最终输出的特征。

2.根据权利要求1所述的基于残差收缩模块与注意力机制的岩石薄片图像识别与分类方法，其特征在于，所述步骤S100中：同时输入岩石薄片的正交偏光图像与单偏光图像是基于分类算法模型的两张图像，并且两张图像是岩石薄片同一视域下的正交偏光图像和单偏光图像。

3.根据权利要求1所述的基于残差收缩模块与注意力机制的岩石薄片图像识别与分类方法，其特征在于，所述步骤S200中：所述正交偏光图像位于所述单偏光图像前面，进而完成两张图像在通道维度的连接融合。

4.根据权利要求3所述的基于残差收缩模块与注意力机制的岩石薄片图像识别与分类方法，其特征在于，在步骤S303中：每个特征通道的权重系数β由两部分组成，即β=ε+b；其中b是可设置的参数，起到约束权重区间范围的作用；ε是由注意力机制获得的权重因子，取值范围为0~1，注意力机制的子网络采用SENet模块的设计方式。

5.根据权利要求1所述的基于残差收缩模块与注意力机制的岩石薄片图像识别与分类方法，其特征在于，所述步骤S300中：采用分组组数为2的分组卷积，实现双路特征提取的功能，同时，两组特征的软阈值化、注意力加权和短路连接单独进行；双路特征之间没有信息干扰，专注于提取各自图像中的低层次特征。