申请/专利权人：武汉大学

申请日：2023-12-15

公开（公告）日：2024-04-05

公开（公告）号：CN117830701A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/42;G06V10/80;G06V10/82;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明公开了基于注意力机制的多尺度特征融合星图识别方法和装置，在训练基于深度学习星图识别模型时，提取卷积神经网络前馈计算过程中产生的多尺度特征图，形成多尺度特征层次金字塔结构。此外，利用基于注意力机制的多尺度特征融合方法替换传统的简单线性融合操作，按照网络深度自顶向下地对所提取多尺度特征图做逐层融合。融合过程中使用多尺度注意力模块，该模块在通道注意力机制过程中实现，可沿通道维度聚合多尺度上下文信息，更好地融合语义和尺度不一致的特征。本发明考虑到深空环境中的恒星分布可能呈现多种尺度的情况，同时强调分布更全局的恒星星群和分布更局部的恒星星群，提高模型在真实深空场景的极端尺度变化下识别星图的精度。

主权项：1.一种基于注意力机制的多尺度特征融合星图识别方法，其特征在于，包括如下步骤：步骤S1，构建星图图像基础训练集并进行打标；步骤S2，对基础训练集做数据增强；步骤S3，构建完整的基于注意力机制的多尺度特征融合模型，所述多尺度特征融合模型首先通过主干网络提取不同尺度的特征，然后通过基于注意力机制的多尺度特征融合方法，按照网络深度自顶向下对相邻特征图进行融合，每次融合两个特征，所得新特征图继续与下层特征重复融合过程，直至迭代结束，将自顶向下的最终融合特征输入分类器；步骤S4，批量将数据增强得到的训练集输入以上构建的网络模型，训练生成星图识别模型；步骤S5，将待识别的星图输入至生成的星图识别模型中，星图识别模型输出识别结果，每张星图输出的分类结果为主星编号，最后根据主星与星图中相邻星的角距，识别星图中剩余的恒星。

全文数据：

权利要求：

百度查询： 武汉大学 基于注意力机制的多尺度特征融合星图识别方法和装置

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD