1.一种用于海洋生物密度估计的多分支注意力网络系统，其特征在于，对输入图像进行处理得到海洋生物密度图；包括编码器分支和解码器分支，解码器分支包括解码器分支A和解码器分支B；

编码器分支是整个模型架构系统中的特征提取器，其采用选择删除全连接层后的VGG16网络；编码器分支在训练过程中采用预训练的VGG16模型的前13层的权重，通过使用VGG16网络中B2_C2、B3_C3、B4_C3的特征映射作为解码器分支的输入；

解码器分支A，用来生成估计密度图；其首先使用最近邻插值对VGG16网络中B5_C3的输出进行上采样，然后与B4_C3的输出特征进行拼接，拼接后的特征采用1×1×256和3×3×

256卷积进行特征融合，融合后的输出通过上采样操作后，再与编码网络中B3_C3的输出拼接；拼接后采用1×1和3×3的卷积和上采样操作后，继续与B2_C2拼接融合，形成特征融合密度图；

解码器分支B用于构造辅助输入，收敛并指导生成密度图；解码器分支B与解码器分支A在网络解码部分具有相似的结构，其区别在于，在解码器分支B中的每个3×3的卷积后面，加入了非局部建模单元Non‑local；非局部建模单元Non‑local定义如下：其中，x为输入信号，y为输出信息，i表示输出位置的索引；f(xi,xj)是用来计算xi和所有xj之间相关性，其值越小越表明xj对xi的影响越小；g(xj)相当于一个映射函数，用于计算输入信号x在j位置的表示，C(x)则代表归一化因子；C(x)的具体定义公式如下：其中，f(xi,xj)采用嵌入式高斯函数表示，θ(xi)＝Wθxi， W表示1×1的卷积运算式；

g(xj)的具体定义公式如下：

g(xj)＝Wgxj   公式(3)

其中，Wg是训练阶段学习到的权重矩阵；

在解码器分支B的末尾单独添加Sigmoid激活函数；最终由解码器分支B生成的增强特征图与解码器分支A生成的融合特征图按元素对应相乘后，通过1×1的卷积生成最终的分布密度图。