[发明专利]基于注意力机制的地下目标体分类识别方法

权利要求书

1.一种基于注意力机制的地下目标体分类识别方法，其特征在于，包括下列步骤：

采集探地雷达B-scan图像数据；

进行数据预处理和类别标注，获得探地雷达B-scan图像数据集；

搭建基于CBAM注意力机制和残差结构的卷积神经网络模型；

对所述卷积神经网络模型进行训练并验证；

使用训练后的卷积神经网络模型进行图像分类识别。

2.如权利要求1所述的基于注意力机制的地下目标体分类识别方法，其特征在于，

所述探地雷达B-scan图像数据是实测得到的探地雷达B-scan图像数据或采用电磁仿真软件GprMax进行正演模拟获得的仿真数据。

3.如权利要求1所述的基于注意力机制的地下目标体分类识别方法，其特征在于，

数据预处理的方式包括对数据文件使用减均值法将逐行数据减去本行均值去除直达波，以及统一图像尺寸和数据增强。

4.如权利要求1所述的基于注意力机制的地下目标体分类识别方法，其特征在于，

类别标注的过程具体为按照地下目标体的类别对图像数据进行分类以及打上标签，并且把标签保存在json文件中。

5.如权利要求1所述的基于注意力机制的地下目标体分类识别方法，其特征在于，

所述探地雷达B-scan图像数据集包括训练数据集和测试数据集，所述训练数据集占比80％，所述测试数据集占比20％。

6.如权利要求1所述的基于注意力机制的地下目标体分类识别方法，其特征在于，

在搭建基于CBAM注意力机制和残差结构的卷积神经网络模型的过程中，搭建卷积神经网络的基本单元为两种类型的引入CBAM注意力机制的残差卷积块，其中CBAM包括通道注意力模块和空间注意力模块。

7.如权利要求1所述的基于注意力机制的地下目标体分类识别方法，其特征在于，

在对所述卷积神经网络模型进行训练并验证的过程中，使用训练数据集对基于注意力机制的卷积神经网络模型进行训练，视数据集的规模选择是否进行数据增强，同时使用测试数据集在模型训练过程中对模型进行验证，经过多次迭代训练后得到最优模型。