1.一种用于图像分类的逐通道空间注意力方法,其特征在于,包括如下步骤:以遥感影像数据集为数据集,构建用于分类的神经网络,对于卷积神经网络模型设其每一层的输出特征图为,S1:根据步长大小将特征图在空间维度上分割为多个子张量;所述的步骤S1具体包括:S11:对于任意给定的特征图在高度和宽度方向上以步长对其进行分割,从而获得多个局部特征块张量,设和分别表示高度和宽度方向上的切分索引,则第个张量的公式为:;
其中,,分别表示特征图在通道、高度和宽度上的元素索引;
S2:使用平均池化、1D卷积和sigmoid激活函数单独获取特征图中每一个通道的空间注意力权重;所述的步骤S2具体包括:S21:在执行S1时并行地对特征图采用窗口大小为、步长为的平均池化操作获得特征描述符,其中;
这里的和分别用于补偿高度 或宽度不能被整除时的尺寸偏差, 表示取余运算;每个池化结果元素可表示为:;
其中,分别表示当前池化窗口在和方向的实际尺寸,表示窗口内元素总数,分别表示特征图在通道、高度和宽度上的元素索引;
S22:在通道方向上对进行切分生成每个通道的特征张量:S23:通过reshape函数将重塑为:;
S24:通过卷积核大小为的1D卷积和sigmoid激活函数对执行卷积和激活得到:;
其中表示卷积核大小为的1D卷积,表示sigmoid激活函数;
S25:通过reshape函数将重塑为:;
S26:沿着通道维度将拼接得到:;
S27:在空间维度上以步长1对进行分割得到每个大小为的张量:;
其中表示张量在通道、高度和宽度方维度上的元素索引;
S3:使用S2获得的空间注意力权重与S1中的每个子张量执行元素积操作得到调整后的子张量;
S4:执行S1中的逆操作将拼接成与输入一样的形状得到逐通道空间注意力(CbCSA)的输出;
S5 :该方法是一种即插即用的方法,放置在骨干模型的每个模块的结束位置。
2.根据权利要求1所述的逐通道空间注意力方法,其特征在于,所述的步骤S3具体包括:S31:将在空间维度上广播之后与逐元素相乘得到;
;
表示逐元素乘法,和分别表示高度和宽度方向上的切分索引。
3.根据权利要求1所述的逐通道空间注意力方法,其特征在于,所述的步骤S4具体包括:S41:将所有校准后的分块特征拼接成与输入特征图相同的尺寸得到逐通道空间注意力模块的最终输出,公式如下:;
其中表示像素高度对应的窗口索引;表示像素高度对应的窗口索引,同时满足,,和表示在边界区域的窗口尺寸由以下公式,计算获得。
4.根据权利要求1所述的逐通道空间注意力方法,其特征在于,所述的步骤S5具体包括:逐通道空间注意力方法放置在骨干网络的每一个阶段之后。