申请/专利权人:吉林大学
申请日:2024-02-19
公开(公告)日:2024-03-22
公开(公告)号:CN117746227A
主分类号:G06V20/05
分类号:G06V20/05;G06N3/0455;G06N3/0464;G06N3/08;G06V10/147;G06V10/44;G06V10/764;G06V10/82
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本发明属于水下机器视觉技术领域,本发明公开了一种红外偏振成像数据的水下目标细粒度分类方法,包括以下步骤:基于偏振相机获取图像构建水下基准数据集;利用交叠的滑动窗口对所述水下基准数据集中的所述红外偏振图像进行划分并编码,得到编码结果,并输入预训练视觉变换器编码器的共L层变换器层中,得到多层级的视觉特征和多层级的注意力图;利用前L‑1层每一层级的所述注意力图对自注意动态加权得到多层级动态注意力权重,并进行特征选择,得到特征组1;利用前L‑1层每一层级的注意力图对每一层级的特征进行前k个选择,得到多层级优化特征组2;将特征组1和特征组2输入第L层变换器层中,利用类别序列通过全连接层计算最终的类别。
主权项:1.一种红外偏振成像数据的水下目标细粒度分类方法,其特征在于,包括以下步骤:基于偏振相机获取的水下红外偏振图像构建水下基准数据集;利用交叠的滑动窗口对所述水下基准数据集中的所述红外偏振图像进行划分并编码,得到编码结果;将所述编码结果输入预训练视觉Transformer变换器编码器的共L层Transformer变换器层中,得到多层级的视觉特征和多层级的注意力图;利用第1至L-1层每一层级的所述注意力图对自注意动态加权得到多层级动态注意力权重,并进行特征选择,得到特征组1;利用第1至L-1层每一层级的所述注意力图对每一层级的特征进行前k个选择,得到多层级优化特征组2;将所述特征组1和所述特征组2输入所述视觉Transformer变换器编码器的第L层Transformer变换器层中,利用类别序列通过全连接层计算最终的类别。
全文数据:
权利要求:
百度查询: 吉林大学 一种红外偏振成像数据的水下目标细粒度分类方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。