[发明专利]一种基于注意力机制的目标分类方法及系统

说明书

本发明公开了一种基于注意力机制的目标分类方法，涉及神经网络技术领域。包括：获取待分类图像的步骤；将待分类图像输入到卷积神经网络，提取待分类图像的特征，通过注意力矩阵块对得到的特征图进行处理，根据处理后的特征图得到至少一个目标分类结果的步骤。本发明适用于图像中目标物的分类，通过加入注意力机制，使用注意力矩阵块对特征图进行处理，抑制与目标分类相关性低的特征表达，激励与目标相关性大的特征表达，从而更有效地利用全局信息对目标类型进行预测，抑制无关信息对分类结果的干扰，提高目标分类的准确性。此外，本发明不需要对目标周围的局部图像做切割操作，因而不存在图像切割相关的问题，处理过程更加简洁，效率更高。

技术领域

本发明涉及神经网络技术领域，尤其涉及一种基于注意力机制的目标分类方法及系统。

背景技术

深度学习网络在各个领域的应用越来越多，目前，可以使用深度学习网络实现对图像中的目标进行识别和分类。

然而，目标的尺寸依据识别的具体事物决定，当目标的尺寸差异较大时，以同一尺寸切割图块，如果选取的尺寸较大，会出现同一图块中存在多个不同类型目标的情况，在这种情况下，图块内不同类型的目标会干扰最终分类结果；如果选取的尺寸较小，大的目标会被分割到不同的图块中，则对该大目标的分类也会不准确，因为输入到深度学习网络中的信息只包含该大目标的一部分信息。

而如果对大尺寸目标以较大的尺寸切割图块，小尺寸目标以较小的尺寸切割图块，按现有方案，在输入学习网络之前需要将图块尺寸调整到一致，而在调整过程中将会引入更多的噪声，从而对最终分类结果造成影响，影响分类的准确性。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种基于注意力机制的目标分类方法及系统。

本发明解决上述技术问题的技术方案如下：

一种基于注意力机制的目标分类方法，包括：

获取待分类图像的步骤；

将所述待分类图像输入到卷积神经网络，提取所述待分类图像的特征，通过注意力矩阵块对得到的特征图进行处理，根据处理后的特征图得到至少一个目标分类结果的步骤。

本发明解决上述技术问题的另一种技术方案如下：

一种基于注意力机制的目标分类系统，包括：采集设备、处理设备和显示设备，其中：

所述采集设备用于获取待分类图像；

所述处理设备用于将所述待分类图像输入到卷积神经网络，提取所述待分类图像的特征，通过注意力矩阵块对得到的特征图进行处理，根据处理后的特征图得到至少一个目标分类结果；

所述显示设备用于显示所述待分类图像的至少一个目标分类结果。

本发明的有益效果是：本发明提供的方法及系统，适用于图像中目标物的分类，通过加入注意力机制，使用注意力矩阵块对特征图进行处理，抑制与目标分类相关性低的特征表达，激励与目标相关性大的特征表达，从而更有效地利用全局信息对目标类型进行预测，抑制无关信息对分类结果的干扰，提高目标分类的准确性。此外，本发明不需要对目标周围的局部图像做切割操作，因而不存在图像切割相关的问题，处理过程更加简洁，效率更高。

本发明附加的方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明实践了解到。

附图说明

图1为本发明目标分类方法的实施例提供的流程示意图；

图2为本发明目标分类方法的实施例提供的卷积神经网络结构示意图；

图3为本发明目标分类方法的其他实施例提供的注意力层结构示意图；