买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安交通大学

摘要：本发明属于计算机视觉中的图像分类技术领域，公开了一种基于特征校准Transformer的微藻图像分类方法及相关装置；其中，所述微藻图像分类方法包括以下步骤：获取待分类的微藻图像；基于所述待分类的微藻图像，采用预先训练好的深度图像分类网络进行微藻分类，获得分类结果。本发明公开的技术方案，通过预先训练好的深度图像分类网络进行分类，可解决现有技术中存在的微藻图像的显著性特征捕获不足所导致的较高误分类的技术问题；其中，通过特征校准模块来提高对微藻目标显著性信息的关注度，并提出特征校准注意力模块来建模包含局部信息融合和显著性特征增强的长距离依赖关系，进而提高微藻图像的分类准确率。

主权项：1.一种基于特征校准Transformer的微藻图像分类方法，其特征在于，包括以下步骤：获取待分类的微藻图像；基于所述待分类的微藻图像，采用预先训练好的深度图像分类网络进行微藻分类，获得分类结果；其中，所述深度图像分类网络包括依次连接的阶段1、阶段2、阶段3、阶段4和线性分类头；所述阶段1包括依次串联连接的4倍补丁嵌入、若干个编码器模块和特征校准编码器模块；所述阶段2、所述阶段3和所述阶段4均包括依次串联连接的2倍补丁嵌入、若干个编码器模块和特征校准编码器模块；所述特征校准编码器模块包括依次串联连接的卷积位置编码、第一LayerNorm层归一化操作、特征校准注意力模块、第二LayerNorm层归一化操作和前馈神经网络层，并通过跳跃连接层分别将所述第一LayerNorm层归一化操作的输入与所述特征校准注意力模块的输出相加、将所述第二LayerNorm层归一化操作的输入与所述前馈神经网络的输出相加；所述特征校准注意力模块包括特征校准模块、多头自注意力模块、卷积相对位置编码模块和深度可分离卷积模块；其中，所述特征校准模块用于输入所述第一LayerNorm层归一化操作输出特征图经过线性映射形成的查询Q、键K、值V矩阵其中的占五分之四通道的局部矩阵，输出经过特征校准的查询Q*、键K*、值V*矩阵；所述多头自注意力模块用于输入经过特征校准的查询Q*、键K*、值V*矩阵，输出多头自注意力模块输出特征图；所述卷积相对位置编码模块用于输入经过特征校准的查询Q*、值V*矩阵，输出卷积相对位置编码模块输出矩阵；所述深度可分离卷积模块用于输入所述第一LayerNorm层归一化操作输出特征图经过线性映射形成的查询Q、键K、值V矩阵其中的占五分之一通道的局部矩阵，输出深度可分离卷积模块输出特征图；所述特征校准注意力模块输出特征图为所述多头自注意力模块输出特征图与所述卷积相对位置编码模块输出矩阵之和，并与所述深度可分离卷积模块输出特征图在通道维度拼接而形成的特征图。

全文数据：

权利要求：

百度查询： 西安交通大学 基于特征校准Transformer的微藻图像分类方法及相关装置