[发明专利]一种基于注意力的卷积神经网络优化方法

摘要

本发明提供的是一种基于注意力模型的卷积神经网络优化方法。首先对水下目标的噪声数据进行分段，针对每段噪声数据提取其MFCC，其目的是将目标噪声数据变成定长的矢量化数据。然后，将得到的定长的矢量化数据按实验过程中水听器的排布位置以及其时序关系进行拼接，形成一个完整的时段水听阵特征，继而再将形成的水听阵特征转成对应的图片以作为输入数据集输入到训练网络中。本发明通过试验对模型在使用情况的结果分析以及对模型进行修改与优化，深度学习对水下目标识别识别率的得到10％‑15％的提升。

主权项

1.一种基于注意力模型的卷积神经网络优化方法，其特征是：(1)噪声数据的切分所述噪声数据的切分是对水下目标的噪声数据以100ms为单位进行分段；(2)数据特征的提取所述数据特征的提取是针对每段噪声数据提取其MFCC，MFCC的提取过程如公式为：式中，f为目标噪声频率，mel(f)为所示目标噪声提取的梅尔倒谱系数；(3)多路数据拼接将水下目标噪声数据分段并进行数据特征的提取后，结合水听器的组阵位置，组成相应的向量矩阵，同时，不同的时序数据组成不同批次的数据，每段噪声数据通过上一步得到的MFCC按多路水听器的排放位置以及每段噪声数据的时序关系进行拼接，形成深度学习模型输入数据集；(4)基于注意力模型加速池化操作使用卷积模型处理水下目标噪声数据，在卷积结构的处理方法中注意力被定义为相应卷积层中卷积操作后的特征图，通过主成分分析的方法确定特征图的降维方向，在提取卷积核的特征的基础上进行池化；(6)注意力加权连接利用卷积核特征将卷积神经网络提取的特征，即最后一层结果，基于注意力模型进行加权处理。