基于自注意力机制和自适应子网络的图像分类识别方法

摘要

本发明公开了一种基于自注意力机制和自适应子网络的图像分类识别方法，该方法包括：构建初始图像分类识别的神经元计算模型；利用自注意力机制使上述模型的每层神经元将注意力集中在预设图像的感兴趣区域，并提取出感兴趣区域的注意力比例系数；利用自适应子网络使上述模型的单个神经元学习非线性表达能力，以提取预设图像的高层级特征；通过设置注意力比例系数、非线性表达能力中子网络层数和子网络结点数量控制图像分类识别过程中的计算量，在获得高准确率图像分类识别结果的同时控制计算成本。该方法具备复杂非线性表达能力的难题，同时在复杂应用场景下可以实现注意力集中、局部网络加深和加宽的效果，从而提升网络的表达能力和识别准确度。