(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211172502.3 (22)申请日 2022.09.26 (71)申请人 中国科学院合肥物质科 学研究院 地址 230031 安徽省合肥市蜀山区蜀山湖 路350号 (72)发明人 高会议　张翔　万莉　贺露　 (74)专利代理 机构 合肥天明专利事务所(普通 合伙) 34115 专利代理师 苗娟 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 基于双池化通道注意力和空洞卷积的图像 识别方法及系统 (57)摘要 本发明的一种基于双池化通道注意力和空 洞卷积的图像识别方法及系统， 其方法包括： 获 取待识别图像、 图像进行相应预处理、 图像输入 到深度卷积神经网络浅层中提取细 节特征(第一 阶段)、 空洞卷积扩展网络深层的有效感受野， 双 池化通道注意力联合整体和局部响应对特征进 行重标定， 本发 明提取出更具有识别性的关键语 义特征(第二阶段)、 采用softmax函数对提取出 的特征进行分类， 采用对称交叉熵 函数作为损失 函数。 本发 明构建了一种双阶段的基于双池化通 道注意力和空洞卷积的深度卷积神经网络， 可以 进一步提高深度卷积神经网络对于细粒度分类 的分类精度， 并且对称交叉熵 函数可以增强模型 的标签鲁棒性。 权利要求书2页 说明书7页 附图3页 CN 115546506 A 2022.12.30 CN 115546506 A 1.一种基于双池化通道注意力和 空洞卷积 的图像识别方法， 其特征在于， 包括以下步 骤， 步骤1、 获取待识别图像， 预处 理后输入到深度卷积神经网络中； 步骤2、 处 理后的待测试图像输入网络 浅层进行细节特 征的提取； 步骤3、 浅层特征输入到网络深层， 通过空洞卷积和双池化通道注意力机制进行关键语 义特征提取； 步骤4、 特征输入到分类器进行分类， 将分类分数的最大值作为图像的分类结果， 采用 对称交叉熵函数作为损失函数进行训练。 2.根据权利要求1所述的基于双池化通道注意力和空洞卷积的图像识别方法， 其特征 在于： 步骤1中， 预处 理包括： 调整到网络需要的尺寸大小、 像素 标准化、 旋转。 3.根据权利要求1所述的基于双池化通道注意力和空洞卷积的图像识别方法， 其特征 在于： 步骤2中特征提取网络采用卷积神经网络， 是传统的直筒式的网络结构VGG、 轻量级网 络结构Mobi leNet、 多路结构Go ogLeNet、 残差结构ResNet任意 一种。 4.根据权利要求1所述的基于双池化通道注意力和空洞卷积的图像识别方法， 其特征 在于： 步骤2中待测试图像输入网络 浅层进行细节特 征的提取， 包括如下步骤： 步骤2.1构造浅层特征提取网络， 具体为resnet50， resnet50由5个Stage组成， 其中 Stage 0是卷积加激活函数加池化叠加而成具体为卷积提取局部特征、 激活函数增加模型 非线性拟合能力、 池化操作进 一步聚合特征， 后4个Stage都由Bottleneck组成， Bottleneck 是一种残差结构， 在卷积之间加上短接， 以学习残差， 4个Stage分别包括3、 4、 6、 3个 Bottleneck； 步骤2.2将浅层特征图保存； 若深层特征提取网络与浅层特征提取网络不是同一个架 构， 则对浅层特 征进行相应的处 理。 5.根据权利要求4所述的基于双池化通道注意力和空洞卷积的图像识别方法， 其特征 在于： 所述步骤3中， 浅层特征输入到网络深层， 通过空洞卷积和双池化通道注意力机制进 行关键语义特 征提取， 具体步骤如下： 步骤3.1、 将resnet50的后两个Stage中的标准卷积替换为空洞卷积， 空洞率设置为1、 2、 3、 1、 2、 3. ....这种齿轮式的结构； 步骤3.2、 构造双池化通道注意力模块， 并将此模块嵌入到resnet50后两个Stage的每 两个残差的中间； 步骤3.3、 将空洞卷积和双池化 通道注意力与resnet5 0的残差模块进行 结合。 6.根据权利要求5所述的基于双池化通道注意力和空洞卷积的图像识别方法， 其特征 在于： 步骤3.2中的双池化通道注意力模块由两个部分组成： 压缩和提取； 在压缩操作中， 通 过联合全局最大池化GMP和全局平均池化GAP来丰富特 征的输入； 在提取操作中， 首先用两个全连接层学习不同通道之间的相互依存关系， 同时减少参 数数量； 再使用sigmo id函数生成归一 化权重， 给特征进行重加权 。 7.根据权利要求5所述的基于双池化通道注意力和空洞卷积的图像识别方法， 其特征 在于： 步骤4特征输入到分类器进行分类， 将分类分数的最大值作为图像的分类结果， 采用 对称交叉熵函数作为损失函数进行训练， 具体包括：权　利　要　求　书 1/2 页 2 CN 115546506 A 2步骤4.1， 将步骤3中提取好的特征保存， 输入到分类器中； 采用将特征展平， 输入到全 连接层中， 构造特征空间到类别空间的映射关系； 再用softmax函数对每一个类别进行打 分， 分数最高的为分类的结果； 步骤4.2神经网络训练的误差需要反向传播， 以不断更新参数， 最终达到收敛效果； 分 类任务采用交叉熵损失函数(Lce),Lce的定义如下： 其中， q为真实的概 率， p为模型 预测的概 率。 8.根据权利要求7所述的基于双池化通道注意力和空洞卷积的图像识别方法， 其特征 在于： 还包括加入一个以模型 预测为基点的损失部分Lrce和Lsl， Lrce和Lsl的定义如下： q为真实的概 率， p为模型 预测的概 率。 9.一种基于双池化通道注意力和 空洞卷积 的图像识别系统， 其特征在于： 包括如下模 块， 原始图像输入 模块： 通过相机拍摄、 本地存 储、 服务器获取 方式获得原 始的输入图像； 图像预处 理模块： 对图像进行 预处理； 模型转换及调用模块： 对存储在服务器或本地的模型进行语言转换， 使能够被不同的 终端调用； 浅层特征提取模块： 通过构建浅层的卷积神经网络， 对图像的细节特 征进行提取； 深层特征提取模块： 包含空洞卷积和双池化通道注意力的卷积块， 对图像的语义特征 进行提取； 分类结果模块： 将特 征输入到分类 器进行分类。 10.一种计算机可读存储介质， 存储有计算机程序， 所述计算机程序被处理器执行时， 使得所述处理器执行如权利要求1至8中任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 115546506 A 3