一种基于特征金字塔和注意力机制的识别方法及装置

本发明实施例涉及烟雾识别技术的，具体而言，涉及一种基于特征金字塔和注意力机制的识别方法及装置。

背景技术：

1、现有的卷积神经网络在处理数据的深层特征时，往往容易忽略浅层特征。这是因为网络的后面层在进行特征提取时，更加关注高级和抽象的特征，而忽略了底层的细节特征。

2、但是，这些被忽略的信息对于数据识别可能是最重要的，因而忽略这些底层的细节特征容易导致最终的数据识别结果存在一定误差。

3、因而需要一种新的识别方法来对数据进行识别。

技术实现思路

1、本发明实施例提供了一种基于特征金字塔和注意力机制的识别方法及装置，以至少解决相关技术中数据识别精度低的问题。

2、根据本发明的一个实施例，提供了一种基于特征金字塔和注意力机制的识别方法，包括：

3、获取待识别的第一数据；

4、通过第一特征路径，将所述第一数据的第一特征传输给第二特征，以得到第一特征信息；其中，所述第一特征路径是基于第一主干网络自上而下建立的；

5、通过第一注意路径，对所述第一特征信息进行注意力聚焦，以得到第一注意信息，其中，所述第一注意路径是基于所属第一主干网络自下而上建立的；

6、基于所述第一注意信息以及所述第一主干网络对所述第一数据做的平均预测结果，确定所述第一数据的识别结果。

7、在一个示例性实施例中，在所述通过第一特征路径，将所述第一数据的第一特征传输给第二特征，以得到第一特征信息之前，所述方法包括：

8、通过所述第一主干网络的第一卷积块以及第一输出特征构建特征金字塔，其中，所述第一卷积块包括多个指定的卷积块，所述第一输出特征包括所有卷积层的最后一个输出特征；

9、获取所述第一数据的输出特征数据，其中，输出特征数据与所述第一数据中空间大小相同的数据块相对应；

10、所述特征金字塔基于所述输出特征数据的局部数据，生成特征层次结构，其中，所述特征层次结构与所述第一输出特征相对应；

11、基于所述特征层次结构的横向连接以及所述输出特征数据，确定所述第一特征路径。

12、在一个示例性实施例中，在所述基于所述特征层次结构的横向连接以及所述输出特征数据，确定所述第一特征路径之前，所述方法包括：

13、对所述输出特征数据进行第一卷积操作，以得到第一卷积结果；

14、对所述输出特征数据进行平均池化操作，以得到第一操作结果，并基于所述第一操作结果进行第二卷积操作，以得到第二卷积结果；

15、通过激活函数对所述第一卷积结果以及第二卷积结果进行横向计算，以得到所述横向连接。

16、在一个示例性实施例中，在所述通过第一注意路径，对所述第一特征信息进行注意力聚焦，以得到第一注意信息之前，所述方法包括：

17、基于所述局部数据的特征数据，生成空间注意掩码；

18、基于所述空间注意掩码，确定空间注意力金字塔；

19、通过所述第一主干网络的全连接层和所述特征金字塔的特征数据进行全局平均池化处理，以得到通道注意力信息；

20、基于所述空间注意力金字塔以及所述通道注意力信息，确定所述第一注意力路径。

21、根据本发明的另一个实施例，提供了一种基于特征金字塔和注意力机制的识别装置，包括：

22、数据采集模块，用于获取待识别的第一数据；

23、特征传输模块，用于通过第一特征路径，将所述第一数据的第一特征传输给第二特征，以得到第一特征信息；其中，所述第一特征路径是基于第一主干网络自上而下建立的；

24、数据注意模块，用于通过第一注意路径，对所述第一特征信息进行注意力聚焦，以得到第一注意信息，其中，所述第一注意路径是基于所属第一主干网络自下而上建立的；

25、数据识别模块，用于基于所述第一注意信息以及所述第一主干网络对所述第一数据做的平均预测结果，确定所述第一数据的识别结果。

26、在一个示例性实施例中，所述装置还包括：

27、特征金字塔构建模块，用于在所述通过第一特征路径，将所述第一数据的第一特征传输给第二特征，以得到第一特征信息之前，通过所述第一主干网络的第一卷积块以及第一输出特征构建特征金字塔，其中，所述第一卷积块包括多个指定的卷积块，所述第一输出特征包括所有卷积层的最后一个输出特征；

28、特征采集模块，用于获取所述第一数据的输出特征数据，其中，输出特征数据与所述第一数据中空间大小相同的数据块相对应；

29、结构生成模块，用于所述特征金字塔基于所述输出特征数据的局部数据，生成特征层次结构，其中，所述特征层次结构与所述第一输出特征相对应；

30、特征路径确定模块，用于基于所述特征层次结构的横向连接以及所述输出特征数据，确定所述第一特征路径。

31、在一个示例性实施例中，所述装置还包括：

32、第一卷积模块，用于在所述基于所述特征层次结构的横向连接以及所述输出特征数据，确定所述第一特征路径之前，对所述输出特征数据进行第一卷积操作，以得到第一卷积结果；

33、池化卷积模块，用于对所述输出特征数据进行平均池化操作，以得到第一操作结果，并基于所述第一操作结果进行第二卷积操作，以得到第二卷积结果；

34、横向计算模块，用于通过激活函数对所述第一卷积结果以及第二卷积结果进行横向计算，以得到所述横向连接。

35、在一个示例性实施例中，所述装置还包括：

36、注意掩码模块，用于在所述通过第一注意路径，对所述第一特征信息进行注意力聚焦，以得到第一注意信息之前，基于所述局部数据的特征数据，生成空间注意掩码；

37、注意力金字塔模块，用于基于所述空间注意掩码，确定空间注意力金字塔；

38、注意力信息确定模块，用于通过所述第一主干网络的全连接层和所述特征金字塔的特征数据进行全局平均池化处理，以得到通道注意力信息；

39、注意力路径确定模块，用于基于所述空间注意力金字塔以及所述通道注意力信息，确定所述第一注意力路径。

40、根据本发明的又一个实施例，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

41、根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。

42、通过本发明，由于引入第一特征路径和第一注意力路径，有助于提高第一主干网络模型的泛化能力，使其在不同数据集和环境中都能取得良好的性能，并加强对重要区域的特征提取，因此，可以解决数据识别精确度低的问题，达到提高数据识别精确度的效果。

技术特征：

1.一种基于特征金字塔和注意力机制的识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，在所述通过第一特征路径，将所述第一数据的第一特征传输给第二特征，以得到第一特征信息之前，所述方法包括：

3.根据权利要求2所述的方法，其特征在于，在所述基于所述特征层次结构的横向连接以及所述输出特征数据，确定所述第一特征路径之前，所述方法包括：

4.根据权利要求2所述的方法，其特征在于，在所述通过第一注意路径，对所述第一特征信息进行注意力聚焦，以得到第一注意信息之前，所述方法包括：

5.一种基于特征金字塔和注意力机制的识别装置，其特征在于，包括：

6.根据权利要求7所述的装置，其特征在于，所述装置还包括：

7.根据权利要求4所述的装置，其特征在于，所述装置还包括：

8.根据权利要求6所述的装置，其特征在于，所述装置还包括：

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至4任一项中所述的方法。

10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至4任一项中所述的方法。

技术总结
本发明实施例提供了一种基于特征金字塔和注意力机制的识别方法及装置，涉及数据识别技术的技术领域。其方法包括：获取待识别的第一数据；通过第一特征路径，将所述第一数据的第一特征传输给第二特征，以得到第一特征信息；通过第一注意路径，对所述第一特征信息进行注意力聚焦，以得到第一注意信息；基于所述第一注意信息以及所述第一主干网络对所述第一数据做的平均预测结果，确定所述第一数据的识别结果。通过本发明，解决了数据识别精度不准确的问题，进而达到了提高数据识别精度的效果。

技术研发人员：李桂梅,周诗怡,黄佳辉,谢思源,阙帆辉,邹双鸾,徐威
受保护的技术使用者：湖南工商大学
技术研发日：
技术公布日：2024/2/29