[发明专利]一种基于双注意力机制的纸币鉴别方法

权利要求书

1.一种基于双注意力机制的纸币鉴别方法，其特征在于，包括以下具体步骤：

S1：建立纸币图片数据库；

S2：采集M张标准的纸币图片和有遮挡的纸币图片的正反面，建立图片数据集；

S3：将图片数据集内的图片进行数据增强处理；

S4：将增强后的数据集进行标注处理，一张纸币上标注N个不同的标注区域mask；

S5：将生成带标注的图片数据集按比例划分为训练集、验证集和测试集；

S6：将训练集输入到分割模型中，得到预测区域mask’，通过目标函数将得到的mask’与mask做约束，迭代更新参数，优化模型；

S7：将验证集集输入已经训练好的模型中，将预测区域mask’与标注区域mask做Dice指标计算，根据指标值挑选最优模型；

S8：将测试集纸币图像送入挑选好的最优模型中预测分割的mask’，将mask’与纸币图像按元素相乘去除掉其它信息并提取出纸币中N个不同的水印。

2.根据权利要求1所述的一种基于双注意力机制的纸币鉴别方法，其特征在于，所述步骤S3具体包括将M张纸币图像依次通过翻转、旋转、变形和加高斯噪声处理。

3.根据权利要求1所述的一种基于双注意力机制的纸币鉴别方法，其特征在于，所述步骤S5中比例为8:1:1。

4.根据权利要求1所述的一种基于双注意力机制的纸币鉴别方法，其特征在于，所述步骤S6中训练过程具体为：

S601：设置学习率ε和迭代次数epoch，初始化参数θ，将训练图片输入到模型中；

S602：将图片输入到卷积层和反卷积层中，其中卷积核大小为3*3，步长设置为1；

S603：将提取的特征输入到空间注意力网络中，经过上采样操作来提取高层特征，使特征映射出来的大小与原始输入的大小相同，然后与主干支输出的特征映射进行初步乘法，得到一个加权注意力图；

S604：将纸币特征输入到通道注意力网络中，通过通道注意力机制为每个通道自动加上权重，获得筛选之后的特征图；

S605：将空间注意力机制和通道注意力机制获得的特征图做拼接得到输出结果；

S606：将输出结果送入N个不同的分支网络同时训练，并和N个对应的mask按元素位乘；

S607：使用交叉熵作为分割的损失函数，调整参数，学习到最优的分割模型。

5.根据权利要求1所述的一种基于双注意力机制的纸币鉴别方法，其特征在于，所述步骤S7中Dice指标计算方法具体为：

其中，mask和mask’是标注区域和预测区域，∩表示mask与mask’取交集，Dice loss越小，mask与mask’的重叠区域越大，则网络分割定位越准确。

6.根据权利要求4所述的一种基于双注意力机制的纸币鉴别方法，其特征在于，所述步骤S607中交叉熵计算公式为：

H(y,y')＝-∑y*log(y')，

其中，H表示的是损失值，y’表示预测的概率，y表示真实的概率，n表示样本数量。

7.根据权利要求6所述的一种基于双注意力机制的纸币鉴别方法，其特征在于，所述概率y’为mask’中每一个位置的像素点属于水印的预测概率值，y’具体计算公式为：

其中，H为mask’的高度，W为mask’的宽度。