1.一种红外偏振成像数据的水下目标细粒度分类方法,其特征在于,包括以下步骤:基于偏振相机获取的水下红外偏振图像构建水下基准数据集;
利用交叠的滑动窗口对所述水下基准数据集中的所述红外偏振图像进行划分并编码,得到编码结果;
将所述编码结果输入预训练视觉Transformer变换器编码器的共L层Transformer变换器层中,得到多层级的视觉特征和多层级的注意力图;
利用第1至L-1层每一层级的所述注意力图对自注意动态加权得到多层级动态注意力权重,并进行特征选择,得到特征组1;利用第1至L-1层每一层级的所述注意力图对每一层级的特征进行前k个选择,得到多层级优化特征组2;
将所述特征组1和所述特征组2输入所述视觉Transformer变换器编码器的第L层Transformer变换器层中,利用类别序列通过全连接层计算最终的类别;
其中,利用交叠的滑动窗口对所述水下基准数据集中的所述红外偏振图像进行划分并编码,得到编码结果,具体包括:利用大小为S的滑动窗口将分辨率大小为(H,W)的图像分割成N个(P,P)大小的块;
利用全连接层对所述块进行映射提高所述块的空间维度;
引入位置编码,将所述位置编码与映射后的所述块直接相加,为输入数据添加位置信息,并添加一个类别序列,用于最后的分类;
其中,利用第1至L-1层每一层级的所述注意力图对每一层级的特征进行前k个选择,得到多层级优化特征组2,具体包括:利用第1至L-1层每一层级的所述注意力图,对第1至L-1每层m头所述注意力的结果相乘进行汇总,然后对所述信息汇总结果取前k个最大值,得到k个索引值,根据索引值进行序列选择,选择第1至L-1每一层的特征,并将所有特征进行汇总,得到多层级优化所述特征组2。
2.根据权利要求1所述的一种红外偏振成像数据的水下目标细粒度分类方法,其特征在于,利用第1至L-1层每一层级的所述注意力图对自注意动态加权得到多层级动态注意力权重,并进行特征选择,得到特征组1,具体包括:将第1至L-1层的多头注意力相乘进行信息汇总;
对信息汇总结果进行通道维度进行自注意力加权,得到最终的多层注意力权重图;
利用汇总后的多层注意力权重图对L-1层所述注意力权重图的token序列块进行筛选,对m头注意力取最大值,得到m头索引值,根据所述索引值进行序列选择,得到所述特征组1。
3.根据权利要求2所述的一种红外偏振成像数据的水下目标细粒度分类方法,其特征在于,将所述特征组1和所述特征组2输入所述视觉Transformer变换器编码器的第L层Transformer变换器层中,利用类别序列通过全连接层计算最终的类别,具体包括:将所述特征组1和所述特征组2在通道维度上进行拼接,得到拼接结果;
将所述拼接结果传入到第L层所述Transformer变换器层中进行特征提取,并将输出的所述类别序列作为全局信息,通过所述全连接层进行细粒度分类。
4.根据权利要求1所述的一种红外偏振成像数据的水下目标细粒度分类方法,其特征在于,N的表达式为:其中,S为滑动窗口步长,H为水平像素数,W为垂直像素数,P为块的长或宽。
5.根据权利要求1所述的一种红外偏振成像数据的水下目标细粒度分类方法,其特征在于,还包括,对所述全连接层的输出使用交叉熵损失函数和对比损失函数进行约束。