CN119478568A 一种基于噪声抑制和多尺度特征融合的图像分类方法 （北京小蝇科技有限责任公司）

一种基于噪声抑制和多尺度特征融合的图本发明提供一种基于噪声抑制和多尺度特度图像分类模型得到训练好的细粒度图像分类2S2、建立细粒度图像分类模型，所述细粒度图像分所述噪声抑制模块包括特征金字塔网络和分类器，所述特征金字FS的背景噪声特征进行抑制得到第s层特征图的前景特征并输出至所述多尺度特征融合模块；所述多尺度特征融合模块基于不同尺度的前景特征通过自注意力机制提高可学习的quen:和可学习的query:之间信息融合能力，其中，quen:用于分类，query:用于与信息交互；;S5、使用所述训练好的细粒度图像分类模型进行2.根据权利要求1所述的一种基于噪声抑制和多尺度特征融合的图像分类方法，其特3.根据权利要求1所述的一种基于噪声抑制和多尺度特征融合的图像分类方法，其特;4.根据权利要求1所述的一种基于噪声抑制和多尺度特征融合的图像分类方法，其特5.根据权利要求3所述的一种基于噪声抑制和多尺度特征融合的图像分类方法，其特;3。6.根据权利要求5所述的一种基于噪声抑制和多尺度特征融合的图像分类方法，其特;7.根据权利要求1所述的一种基于噪声抑制和多尺度特征融合的图像分类方法，其特8.根据权利要求1所述的一种基于噪声抑制和多尺度特征融合的图像分类方法，其特;;;;D为Q和k的高度，Linear(.)为线性函数，LaenNorm()为层归一化函数。9.根据权利要求1所述的一种基于噪声抑制和多尺度特征融合的图像分类方法，其特;4;5了重大挑战，源于细粒度的特征表示常存在以下问题1背景区域为细粒度类别判别特征的表示引入了噪声2未能有效建立全局语义信息与局部细节信息之间的关联；阻碍[0006]本发明提供一种基于噪声抑制和多尺度特征融合的图像分类方法，包括以下步景噪声特征进行抑制得到第层特征图的前景特征并输多尺度特征融合模块基于不同尺度的前景特征通过自注意力机制提高可学习信息交互；6;;;。;7;;;pe为;MSDeormudtm(*)为基于可变形卷积的细粒度特征提取函数，通过引入可变形;8图2为一种基于噪声抑制和多尺度特征融合的图像分类方法的噪声抑制模块结提取网络，特征金字塔网络得到不同尺度的特征图，其中SE1,2,3,4}，表示第可以表示为：P"-W:F"+b"（1s层特征图对应的分类器的权重；b表示第s层特征图对应的BX:=max(sofmax(p")（29根据的置信度阈值，对背景噪声特征进行抑制，前景特征表示为，用于分类的query，query:表示与信息交互的query，旨在通过自注意力机制提高query:和quern:之间的信息融合能力，query,和query:之间的信息融合可以表示为：Q=Linear(LayerNormquen:+pssn⃞query:,+paw,))（3K=Linear(LayenNorm(query:+pw.:query:+psw,)（4V=Linear(LaerNom(query:,quer:))（5D表示Q和k的高度；点的索引，表示quep:在注意力头m、特征图等级s的采样点的注意力权重且