公开(公告)号：CN117593557B

公开(公告)日：2025-01-24

申请号：CN202311265910.8

申请日：2023-09-27

Applicant: 北京邮电大学 ,  河北师范大学

Inventor： 邢颖 ,  刘敬泽 ,  于志军 ,  管宇

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/771 ,  G06V10/77

Abstract: 本发明公开了一种基于Transformer模型的细粒度生物图像分类方法。本发明方法针对需要细粒度生物分类需求，建立包含特征提取模块、特征选择模块和预测模块的分类模型；特征提取模块基于Transformer网络实现，输出以特征块patch表示的图像特征；特征选择模块将patch进行非线性映射，再通过softmax函数生成权重选择一定数量的patch作为新的图像特征，预测模块根据图像特征预测细粒度的生物分类。训练时，计算样本特征间的余弦距离作为距离损失，再结合分类损失优化分类模型参数。本发明方法适用不同基于Transformer的骨干网络，实现了细粒度生物图像分类且分类准确率高。

公开(公告)号：CN117593557A

公开(公告)日：2024-02-23

申请号：CN202311265910.8

申请日：2023-09-27

Applicant: 北京邮电大学 ,  河北师范大学

Inventor： 邢颖 ,  刘敬泽 ,  于志军 ,  管宇

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/771 ,  G06V10/77

Abstract: 本发明公开了一种基于Transformer模型的细粒度生物图像分类方法。本发明方法针对需要细粒度生物分类需求，建立包含特征提取模块、特征选择模块和预测模块的分类模型；特征提取模块基于Transformer网络实现，输出以特征块patch表示的图像特征；特征选择模块将patch进行非线性映射，再通过softmax函数生成权重选择一定数量的patch作为新的图像特征，预测模块根据图像特征预测细粒度的生物分类。训练时，计算样本特征间的余弦距离作为距离损失，再结合分类损失优化分类模型参数。本发明方法适用不同基于Transformer的骨干网络，实现了细粒度生物图像分类且分类准确率高。