基于双注意力机制与数据集增强的细粒度小目标识别系统及方法技术方案

本发明专利技术涉及细粒度小目标识别技术领域，公开了基于双注意力机制与数据集增强的细粒度小目标识别系统，包括：图像输入模块，所述图像输入模块用于接收待识别的图像数据；特征提取网络，所述特征提取网络用于从图像数据中提取特征表示；双注意力机制模块，所述双注意力机制模块包括空间注意力机制和通道注意力机制。通过多样化的数据集增强方法，可以有效扩充训练数据集，增加模型的泛化能力和鲁棒性，提高细粒度小目标识别的准确率，并且通过采用空间注意力机制和通道注意力机制对提取的特征进行加权，能够有效强调目标区域的重要性，提高模型对目标特征的关注度，进而提升细粒度小目标的识别性能。

【技术实现步骤摘要】

本专利技术涉及细粒度小目标识别，具体为基于双注意力机制与数据集增强的细粒度小目标识别系统及方法。

技术介绍

1、双注意力机制是一种深度学习模型中的注意力机制，它使用两个不同的注意力机制来处理输入数据。这种机制可以帮助模型更好地捕捉输入数据中的关键信息，并提高模型在处理复杂任务时的性能。在双注意力机制中，通常会使用两个注意力机制来分别处理输入数据的不同部分。例如，一个注意力机制可以关注输入数据中的局部信息，而另一个注意力机制可以关注输入数据中的全局信息。这样可以使模型更全面地理解输入数据，并更好地处理复杂的任务。双注意力机制已经被广泛应用于自然语言处理、计算机视觉和其他领域的深度学习模型中，并取得了一些令人印象深刻的结果。通过结合多个注意力机制，双注意力机制可以帮助模型更好地理解输入数据的结构和内容，从而提高模型的性能和泛化能力。

2、数据集增强是指通过对原始数据进行一系列变换和处理，来生成更多、更多样化的训练数据。在细粒度小目标识别任务中，数据集增强可以帮助模型更好地学习和泛化，尤其是在数据量有限的情况下。

3、现有技术无法有效扩充本文档来自技高网...

【技术保护点】

1.基于双注意力机制与数据集增强的细粒度小目标识别系统，其特征在于，包括：

2.根据权利要求1所述的基于双注意力机制与数据集增强的细粒度小目标识别系统，其特征在于：所述图像输入模块包括原始图像获取单元、数据增强单元、预处理单元、特征提取单元和输入模型单元，所述原始图像获取单元负责从摄像头、存储设备或其他来源获取原始图像数据，所述数据增强单元是对原始图像进行数据增强操作，以扩充数据集并增加模型的鲁棒性，所述预处理单元是对经过数据增强的图像数据进行预处理，以便将图像数据转换为适合特征提取网络处理的格式，所述特征提取单元是使用双注意力机制方法从预处理后的图像数据中提取细粒度小目标的...

【技术特征摘要】

1.基于双注意力机制与数据集增强的细粒度小目标识别系统，其特征在于，包括：

2.根据权利要求1所述的基于双注意力机制与数据集增强的细粒度小目标识别系统，其特征在于：所述图像输入模块包括原始图像获取单元、数据增强单元、预处理单元、特征提取单元和输入模型单元，所述原始图像获取单元负责从摄像头、存储设备或其他来源获取原始图像数据，所述数据增强单元是对原始图像进行数据增强操作，以扩充数据集并增加模型的鲁棒性，所述预处理单元是对经过数据增强的图像数据进行预处理，以便将图像数据转换为适合特征提取网络处理的格式，所述特征提取单元是使用双注意力机制方法从预处理后的图像数据中提取细粒度小目标的特征表示，以便进行后续的识别和分类，所述输入模型单元是将处理后的特征输入到模型中进行进一步的处理和分析。

3.根据权利要求1所述的基于双注意力机制与数据集增强的细粒度小目标识别系统，其特征在于：所述特征提取网络包括卷积神经网络、数据集增强模块和特征融合层，所述卷积神经网络是一种深度学习网络结构，在细粒度小目标识别系统中用来提取图像的低级和中级特征，所述数据集增强模块可以帮助模型更好地学习细粒度小目标的特征，所述特征融合层用于将不同层级的特征进行融合，以获得更加全面和丰富的特征表示，帮助提高细粒度小目标的识别性能。

4.根据权利要求1所述的基于双注意力机制与数据集增强的细粒度小目标识别系统，其特征在于：所述分类器包括全连接层、softmax分类器、支持向量机和决策树或集成学习方法，所述全连接层是在特征提取网络的输出之后，连接一个或多个全连接层，负责将提取到的特征进行进一步的转换和组合，以便将特征映射到不同类...

【专利技术属性】
技术研发人员：孙中清，周酉，纪飞，谢志泉，董学强，赵洪，刘圣三，尹伟，
申请(专利权)人：山东海看新媒体研究院有限公司，
类型：发明
国别省市：