【技术实现步骤摘要】
本专利技术属于计算机视觉领域，特别涉及一种基于空间引导自注意力的食品识别方法及系统。
技术介绍
1、自注意力机制是深度学习领域中备受瞩目的特征处理技术。自注意力机制通过学习特征之间的相互依赖关系，使得模型能够准确地捕捉上下文信息，无论是在自然语言处理还是计算机视觉任务中都展现了出色的性能。然而，尽管自注意力机制取得了显著的成就，但目前这种机制仍然存在问题，例如运算量大，模型复杂度高等。如果能够在一个模型中用更少的计算量，仍充分利用自注意力机制的优势，就能够在特征的表达和信息的处理速度上取得双赢的效果。
技术实现思路
1、本专利技术提供一种基于空间引导自注意力的食品识别方法及系统，旨在减少传统自注意力的计算量，并通过空间注意力关注目标存在位置，从而提高食品的识别效果。
2、本专利技术对于传统自注意力机制作出了改进，提供一种基于空间引导自注意力的食品识别方法，包括以下步骤：
3、s1、获取食品摄像头视频，每秒对摄像头进行抽帧，获得食品待检测图像；
4、s2、构建空间引导自注意力模块，输入图像特征到该模块，将图像特征进行空间注意力操作，得到图像每个像素的空间位置得分，将得分进行阈值筛选，将得分高的像素位置视为存在目标位置，并将这些位置形成图像特征对应的目标位置编码，然后根据目标位置编码，将图像特征中非目标位置重置为0，然后将图像特征拆分为多个特征块，依次计算每个特征块，单个特征块生成对应q、k、v，并进行自注意力计算，输出该特征块对应的优化特征，除第一
5、s3、构建食品检测模型，模型由骨干网络、空间引导自注意力模块、检测头组成；
6、s4、将食品待检测图像输入进食品检测模型，获得食品检测结果。
7、优选地，s2中的空间引导自注意力模块，如果输入图像特征为位置编码 s 的计算为，sattn 为空间注意力操作，max 为阈值筛选，将图像特征中非目标位置重置为0后的特征图计算为,⊙表示逐位置相乘，mask(s)是一个与 s 具有相同形状的矩阵，其中 s 所指定的位置的元素为1，其他位置为0，对 x应用这样的掩码操作，就可以得到经过 s 筛选后的特征图，然后每个拆分特征图的优化特征的计算为其中代表特征图的第j个拆分特征图，分别代表生成q、k、v的权重矩阵，attn代表自注意力计算，然后将所有的优化特征进行连接，得到和图像特征维度相同的优化图像特征的计算为，其中h为拆分的特征图数量，为线性层，目的是将输出的优化图像特征投影回与输入图像特征一致的维度。
8、本专利技术还提供一种基于空间引导自注意力的食品识别系统，其特征在于，包括食品图像数据采集模块、食品检测模块，通过食品图像数据采集模块采集所要检测的食品目标图像，食品检测模块内置食品检测模型，模型由骨干网络、空间引导自注意力模块、检测头组成，对于空间引导自注意力模块，输入图像特征到该模块，将图像特征进行空间注意力操作，得到图像每个像素的空间位置得分，将得分进行阈值筛选，将得分高的像素位置视为存在目标位置，并将这些位置形成图像特征对应的目标位置编码，然后根据目标位置编码，将图像特征中非目标位置重置为0，然后将图像特征拆分为多个特征块，依次计算每个特征块，单个特征块生成对应q、k、v，并进行自注意力计算，输出该特征块对应的优化特征，除第一个计算的特征块，每一个特征块和上一特征块对应的优化特征进行相加运算，然后再进行自注意力计算，所有特征块计算完毕，将所有的优化特征进行连接，得到和图像特征维度相同的优化图像特征，并进行输出。
9、与现有技术相比，本专利技术具有以下技术效果：
10、本专利技术提供的技术方案首先根据图像特征图获取目标位置编码，并根据编码引导自注意力机制只计算存在目标的位置，同时将图像特征图进行拆分处理，并以级联方式处理拆分的图像特征图，从而达到节约计算量的目的，另外根据目标位置编码的计算方式，也可以达到节约大量计算量，并为自注意力计算提供先验知识。
本文档来自技高网...【技术保护点】
1.一种基于空间引导自注意力的食品识别方法，其特征在于，包括以下步骤：
2.据权利要求1所述的一种基于空间引导自注意力的食品识别方法，其特征在于，S2中的空间引导自注意力模块，如果输入图像特征为位置编码s的计算为，SAttn为空间注意力操作，MAX 为阈值筛选，将图像特征中非目标位置重置为0后的特征图计算为,⊙表示逐位置相乘，Mask(s) 是一个与 s 具有相同形状的矩阵，其中 s 所指定的位置的元素为1，其他位置为0，对 x 应用这样的掩码操作，就可以得到经过 s 筛选后的特征图，然后每个拆分特征图的优化特征的计算为其中代表特征图的第j个拆分特征图，分别代表生成Q、K、V的权重矩阵，Attn代表自注意力计算，然后将所有的优化特征进行连接，得到和图像特征维度相同的优化图像特征的计算为，其中h为拆分的特征图数量，为线性层，目的是将输出的优化图像特征投影回与输入图像特征一致的维度。
3.一种基于空间引导自注意力的食品识别系统，其特征在于，包括食品图像数据采集模块、食品检测模块，通过食品图像数据采集模块采集所要检测的食品目标图像，食品检测模块内置食品检测模型，
...【技术特征摘要】
1.一种基于空间引导自注意力的食品识别方法，其特征在于，包括以下步骤：
2.据权利要求1所述的一种基于空间引导自注意力的食品识别方法，其特征在于，s2中的空间引导自注意力模块，如果输入图像特征为位置编码s的计算为，sattn为空间注意力操作，max 为阈值筛选，将图像特征中非目标位置重置为0后的特征图计算为,⊙表示逐位置相乘，mask(s) 是一个与 s 具有相同形状的矩阵，其中 s 所指定的位置的元素为1，其他位置为0，对 x 应用这样的掩码操作，就可以得到经过 s 筛选后的特征图，然后每个拆分特征图的优化特征的计算为其中代表特征图的第j个拆分特征图，分别代表生成q、k、v的权重矩阵，attn代表自注意力计算，然后将所有的优化特征进行连接，得到和图像特征维度相同的优化图像特征的计算为，其中h为拆分的特征图数量，为线性层，目的是将输出的优化图像特征投影回与输入图像特征一致的维度。
...
【专利技术属性】
技术研发人员：李忠涛，程文轩，张波，王凯，张玉璘，
申请(专利权)人：济南大学，
类型：发明
国别省市：
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。