基于注意力机制的图像识别分类方法及装置制造方法及图纸

本发明专利技术提供了一种基于注意力机制的图像识别分类方法及装置。方法包括：基于卷积神经网络和注意力机制构建图像特征提取模型；采用所述图像特征提取模型提取目标图像的图像特征；根据所述图像特征对目标图像进行识别分类确定所述目标图像的类别。本发明专利技术能够提高提取目标图像的图像特征的准确性，进而能够图像分别识别的准确性和精度。

Classification method and device of image recognition based on attention mechanism

【技术实现步骤摘要】
基于注意力机制的图像识别分类方法及装置
本专利技术涉及图像处理
，具体涉及一种基于注意力机制的图像识别分类方法及装置。
技术介绍
随着信息技术的发展，图像数据急剧增长，对图像处理的需求也大大增减。图像的识别分类主要是针对图像中特定特征进行提取，通过特定特征表征图像的信息，然后根据提取到的特定特征进行图形的识别分类。图像识别可以用于诸多领域，并且图像识别可以在各种复杂的条件下快速准确的提取物体的特征，具有广泛的应用前景。一个典型的图像识别分类系统主要包括两个部分，图像特征提取和基于提取的图像特征的识别分类。在进行图像特征建模时，首先，需要收集大量的图像样本数据，以此为基础构建图像识别数据库，通过图像识别数据库可以训练出一个适用于提取图像特征的模型。然后，基于图像特征提取模型的提取结果，利用相应的识别分类模型，就可以得到图像的识别分类的结果。目前，图像特征提取模型多采用二维卷积模型，但是卷积网络中对图像特征的处理是等价，例如：识别图像中的动物时，我们更希望卷积网络能够“注意”动物本身，而不是等价的关注动物与背景。因此现有的图像本文档来自技高网...

【技术保护点】
1.一种基于注意力机制的图像识别分类方法，其特征在于，包括：/n基于卷积神经网络和注意力机制构建图像特征提取模型；/n采用所述图像特征提取模型提取目标图像的图像特征；/n根据所述图像特征对目标图像进行识别分类确定所述目标图像的类别。/n

【技术特征摘要】
1.一种基于注意力机制的图像识别分类方法，其特征在于，包括：
基于卷积神经网络和注意力机制构建图像特征提取模型；
采用所述图像特征提取模型提取目标图像的图像特征；
根据所述图像特征对目标图像进行识别分类确定所述目标图像的类别。


2.根据权利要求1所述的基于注意力机制的图像识别分类方法，其特征在于，所述基于卷积神经网络和注意力机制构建图像特征提取模型，包括：
基于样本训练集和样本训练集对应的标签，采用卷积神经网络进行训练得到卷积网络模型；
通过注意力机制确定所述卷积网络模型的权重并得到第二卷积网络模型；
基于样本训练集和样本训练集对应的标签，对所述第二卷积网络模型进行训练得到图像特征提取模型。


3.根据权利要求2所述的基于注意力机制的图像识别分类方法，其特征在于，所述基于样本训练集和样本训练集对应的标签，采用卷积神经网络进行训练得到卷积网络模型，包括：
对所述样本训练集进行预处理，生成大小为N1*N2*C的目标训练样本；
采用卷积神经网络中迭代优化的方式对所述目标训练样本和所述标签进行训练，得到卷积网络模型；
其中，N1和N2分别表示输入卷积神经网络的样本的高度和宽度，C表示输入样本是RGB三通道的图片。


4.根据权利要求2所述的基于注意力机制的图像识别分类方法，其特征在于，所述通过注意力机制确定所述卷积网络模型的权重并得到第二卷积网络模型，包括：
采用注意力机制确定所述卷积网络模型的权重，并所述权重与所述卷积网络模型相乘得到所述第二卷积网络模型。


5.一种基于注意力机制的图像识别分类装置，其特征在于，包括：
建模单元，用于基于卷积神经网络和注意力机制构建图像特征提取模型；
特征提取单元，用于采用所述图像特征提取模型提取目标图像的图像特征；
...

【专利技术属性】
技术研发人员：张顺利，林贝贝，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：北京;11