【技术实现步骤摘要】
本专利技术涉及图像分类识别，尤其涉及一种基于元注意力机制的火星表面岩石分类系统和方法。
技术介绍
1、目前，研究人员通常采用遥感图像和深度学习技术对火星表面的岩石进行分类。遥感图像提供了大范围、高分辨率的火星表面信息，而深度学习技术，尤其是卷积神经网络，在图像识别和分类任务中表现出了优异的性能。
2、相关技术中，基于自注意力机制的transformer模型逐渐受到关注，能够捕捉全局信息并提高分类精度。然而，transformer模型在处理复杂地质图像时，仍然存在一些不足之处。例如，火星表面的岩石类型多样，且其纹理、颜色和形态特征复杂，transformer模型存在分类精度低的问题。并且，transformer模型在面对不同的图像分类任务时，需要进行由于大量的参数调节和模型再训练，需要大量的计算资源和时间，但由于设置在火星的计算设备配置的计算资源有限，因此导致transformer模型的适应性和泛化能力弱，无法满足对火星表面的岩石进行准确分类的需求。
3、因此，亟须一种基于元注意力机制的火星表面岩石分类系统和方法，...
【技术保护点】
1.一种基于元注意力机制的火星表面岩石分类系统，其特征在于，所述系统包括：
2.根据权利要求1所述的系统，其特征在于，第i个图像块对应的调整注意力值的确定公式为：
3.根据权利要求2所述的系统，其特征在于，所述前馈神经网络中每个神经元的权重值wi的确定公式为：
4.根据权利要求3所述的系统，其特征在于，所述图像获取模块还用于获取第一数量的训练样本，每个训练样本包括岩石区域的火星图像以及岩石区域对应的分类结果；所述图像获取模块还用于对所述第一数量的训练样本进行旋转处理、翻转处理和/或镜像处理，得到训练样本集，所述训练样本集包括第二数量...
【技术特征摘要】
1.一种基于元注意力机制的火星表面岩石分类系统，其特征在于，所述系统包括：
2.根据权利要求1所述的系统，其特征在于，第i个图像块对应的调整注意力值的确定公式为：
3.根据权利要求2所述的系统，其特征在于，所述前馈神经网络中每个神经元的权重值wi的确定公式为：
4.根据权利要求3所述的系统，其特征在于，所述图像获取模块还用于获取第一数量的训练样本，每个训练样本包括岩石区域的火星图像以及岩石区域对应的分类结果；所述图像获取模块还用于对所述第一数量的训练样本进行旋转处理、翻转处理和/或镜像处理，得到训练样本集，所述训练样本集包括第二数量的训练样本，其中，第一数量小于第二数量，且所述第二数量的训练样本中包括每个分类结果的岩石区域的火星图...
【专利技术属性】
技术研发人员：王瑞，周可法，王金林，张清，毕建涛，汪玮，李超，马秀梅，白泳，裘贺顺，屈广俊，王彬彬，孙慧中，周懿文，廖涛，李冬，赵崇，邱子芸，寇雁菲，原卫亭，高岳，赵得全，吕志鸿，单禹，卢应鹏，
申请(专利权)人：中国科学院空间应用工程与技术中心，
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。