【技术实现步骤摘要】
本专利技术属于图像处理，尤其涉及一种基于空间-上下文的多分支图像分类方法。
技术介绍
1、图像分类是计算机视觉领域的一个重要任务，其目标是训练一个模型，使其能够根据图像的特征将其正确地分类到预定义的类别中。图像分类的应用非常广泛，包括场景识别、人脸识别、物体识别、视频监控等。它在安全领域、自动驾驶等领域有着重要的作用，并且随着技术的不断发展，图像分类也将应用到更多领域。
2、基于深度学习的方法在图像分类任务中取得了很大的进展，尤其是卷积神经网络(cnn)的应用，它可以自动学习图像中的特征，无需手动设计特征，显著提高了图像分类的准确率。lecun等人提出了首个能真正用于实际生产的神经网络模型lenet-5。alexnet以绝对优势拿下了当年imagenet图像分类的比赛冠军，至此神经网络在计算机视觉任务上得到了众多研究者广泛的关注。
3、注意力机制是一种模拟人类视觉注意力过程的机制，在计算机视觉任务中广泛应用。它通过对图像不同位置的信息赋予不同的权重，使模型更多地关注与当前任务相关的部分。它的优点包括能够提高模型对...
【技术保护点】
1.一种基于空间-上下文的多分支图像分类方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种基于空间-上下文的多分支图像分类方法，其特征在于：步骤S3中，所述上下文路径中先利用ResNet34模型提取输入图像的深度特征，再利用全局上下文模块根据深度特征获得上下文特征。
3.根据权利要求2所述的一种基于空间-上下文的多分支图像分类方法，其特征在于，所述深度特征的公式为：
4.根据权利要求2所述的一种基于空间-上下文的多分支图像分类方法，其特征在于，所述全局上下文模块的公式为：
5.根据权利要求2所述的一种基于...
【技术特征摘要】
1.一种基于空间-上下文的多分支图像分类方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种基于空间-上下文的多分支图像分类方法，其特征在于：步骤s3中，所述上下文路径中先利用resnet34模型提取输入图像的深度特征，再利用全局上下文模块根据深度特征获得上下文特征。
3.根据权利要求2所述的一种基于空间-上下文的多分支图像分类方法，其特征在于，所述深度特征的公式为：
4.根据权利要求2所述的一种基于空间-上下文的多分支图像分类方法，其特征在于，所述全局上下文模块的公式为：
5.根据权利要求2所述的一种基于空间-上下文的多分支图像分类方法，其特征在于：采用卷积层和池化层提取分类所需的深度特征。
6.根据权利要求2所述的一种基于空间-上下文的多分支图像分类方法，其特征在于，所述空间路径共享resnet34模型的前3层参数；所述空间路径提取的输出特征公式为：
7.根据权利要求1所述的一种基于空间-上下文的多分支图像分类方法，其特征在于：所述空间路径包括使网络能够提取具有空间位置识别的关键特征的空间注意力模块；所述上下文路径...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。