[发明专利]一种图像检测方法、装置、设备及可读存储介质

权利要求书

1.一种图像检测方法，其特征在于，包括：

获取待检测图像，对所述待检测图像进行特征提取处理，得到用于表示所述待检测图像的特征表示子集；所述待检测图像包括至少两个子图像；所述特征表示子集包括至少两个子图像特征；一个子图像对应一个子图像特征；

生成所述至少两个子图像特征分别对应的注意力权重，根据所述注意力权重对所述至少两个子图像特征进行加权聚合处理，得到第一特征向量；

对所述至少两个子图像特征进行聚类采样处理，得到至少两个分类簇分别包含的采样子图像特征，根据所述至少两个分类簇和块稀疏矩阵确定每个采样子图像特征分别对应的块稀疏自注意力，根据至少两个块稀疏自注意力确定第二特征向量；一个采样子图像特征对应的块稀疏自注意力是基于所属分类簇中的采样子图像特征所确定的；

根据所述第一特征向量和所述第二特征向量，确定所述待检测图像的分类结果。

2.根据权利要求1所述的方法，其特征在于，所述获取待检测图像，对所述待检测图像进行特征提取处理，得到用于表示所述待检测图像的特征表示子集，包括：

获取待检测图像，识别所述待检测图像中的背景区域和前景区域；

根据所述背景区域和所述前景区域对所述待检测图像进行图像分割，得到待检测前景图像；

根据缩放倍率对所述待检测前景图像进行缩放处理，得到待裁剪前景图像；

根据子图像预设长度和子图像预设宽度，对所述待裁剪前景图像进行裁剪处理，得到至少两个子图像；所述子图像预设长度小于所述待裁剪前景图像的长度；所述子图像预设宽度小于所述待裁剪前景图像的宽度；

对所述至少两个子图像分别进行图像特征提取处理，得到所述至少两个子图像分别对应的子图像特征，根据所述至少两个子图像分别对应的子图像特征确定用于表示所述待检测图像的特征表示子集。

3.根据权利要求1所述的方法，其特征在于，所述生成所述至少两个子图像特征分别对应的注意力权重，根据所述注意力权重对所述至少两个子图像特征进行加权聚合处理，得到第一特征向量，包括：

将所述至少两个子图像特征输入图像识别模型中的第一注意力子网络；所述第一注意力子网络包括权重学习网络层和加权聚合网络层；

在所述权重学习网络层中，对所述至少两个子图像特征分别进行权重拟合处理，得到所述至少两个子图像特征分别对应的注意力权重；

在所述加权聚合网络层中，根据所述注意力权重对所述每个子图像特征进行加权处理，得到所述每个子图像特征分别对应的加权子图像特征，对所述加权子图像特征进行聚合处理，得到第一特征向量。

4.根据权利要求1所述的方法，其特征在于，所述对所述至少两个子图像特征进行聚类采样处理，得到至少两个分类簇分别包含的采样子图像特征，根据所述至少两个分类簇和块稀疏矩阵确定每个采样子图像特征分别对应的块稀疏自注意力，根据至少两个块稀疏自注意力确定第二特征向量，包括：

将所述至少两个子图像特征输入图像识别模型中的第二注意力子网络；所述第二注意力子网络包括聚类采样网络层、全局自注意力网络层、自注意力网络层以及均值池化网络层；

在所述聚类采样网络层中，对所述至少两个子图像特征进行聚类采样处理，得到至少两个分类簇分别包含的采样子图像特征；每个分类簇中的采样子图像特征的数量之和为N，N为小于所述至少两个子图像特征的数量的正整数；

在所述全局自注意力网络层中，基于块稀疏矩阵确定针对N个采样子图像特征的块稀疏全局自注意力权重矩阵；

在所述自注意力网络层中，根据所述至少两个分类簇和所述块稀疏全局自注意力权重矩阵，确定每个采样子图像特征分别对应的块稀疏自注意力；

在所述均值池化网络层中，对至少两个块稀疏自注意力进行均值池化处理，得到第二特征向量。