一种基于多层感知机和深度可分离卷积的SDSS受损图像分类网络制造技术

本发明专利技术公开了一种基于多层感知机和深度可分离卷积的SDSS损坏图像分类网络，在特征提取部分使用了Convnet Block模块，包括多层感知机、深度可分离卷积、通道注意力和空间注意力机制。多层感知机用于非线性映射和特征提取，在多层感知机和整个模块部分引入了残差连接，促进了信息的流动和梯度的传播；深度可分离卷积在减少模型参数数量的同时，在一定程度上保持了特征的空间结构，有助于提取更丰富的局部特征；通道、空间注意力机制允许模型自适应地调整输入数据在通道维度上的权重，增强模型对不同通道信息的关注度，使模型更加关注星图损坏部分的特征。本发明专利技术与经典的卷积神经网络进行了对比，具有更高的分类准确率，对SDSS损坏图像的研究具有重要意义。

【技术实现步骤摘要】

本专利技术属于sdss(sloan digital sky survey)图像分类领域，特别涉及了一种基于多层感知机和深度可分离卷积模块的sdss损坏图像分类网络。

技术介绍

1、sdss(sloan digital sky survey)是迄今为止最大的天文巡天项目之一，旨在以数字化方式对天空进行详尽的观测和测量，以获取广泛的天文数据，从而推动天文学领域的前沿研究。该项目由斯隆基金会(sloan foundation)于2000年发起，经过多个重要阶段的观测和数据采集，已成功发布了18个版本的天文数据，成为天文研究的珍贵资源。然而，在这庞大的数据宝库中，由于各种复杂的观测条件、仪器故障等原因，不可避免地存在一批受损的数据，这些数据可能受到噪声干扰、设备问题或光污染等因素的影响，导致其中的星图或图像部分区域受到污染或损坏。这些受损的数据不仅无法为科研提供有用的信息，还可能对天文学研究造成不利影响。为使研究人员能够有针对性地处理这些数据，需要创新的分类方法，能够自动检测和识别不同类型的损坏。传统的图像分类方法通常依赖于手工设计的特征提取器，这些特征提取器无法本文档来自技高网...

【技术保护点】

1.一种基于多层感知机和深度可分离卷积的SDSS损毁图像分类网络，其特征在于：Convnet Block模块和降采样模块；

2.根据权利要求1所述，一种基于多层感知机和深度可分离卷积的SDSS损坏图像分类网络，在Convnet Block模块中使用了多层感知机模块；

3.根据权利要求1所述，一种基于多层感知机和深度可分离卷积的SDSS损坏图像分类网络，在Convnet Block模块中使用了深度可分离卷积模块；

4.根据权利要求1所述，一种基于多层感知机和深度可分离卷积的SDSS损坏图像分类网络，在Convnet Block模块中使用了注意力机制；...

【技术特征摘要】

1.一种基于多层感知机和深度可分离卷积的sdss损毁图像分类网络，其特征在于：convnet block模块和降采样模块；

2.根据权利要求1所述，一种基于多层感知机和深度可分离卷积的sdss损坏图像分类网络，在convnet block模块中使用了多层感知机模块；

3.根据权利要求1所述，一种基于多层感知机和深度可分离卷积的sdss损坏图像分类网络，在convnet block模块中使用了深度可分离卷积模块；

4.根据权利要求1所述，一种基于多层感知机和深度可分离卷积的sdss损坏图像分类网络，在convnet block模块中使用了注意力机制；

5.根据权利要求1所述，一种基于多层感知机和深度可分离卷积的sdss损坏图像分类...

【专利技术属性】
技术研发人员：邱波，陈缘露，张雅娟，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：