一种基于动态大卷积核和多尺度前馈连接的星系图像形态分类方法

本发明公开了一种基于动态大卷积核和多尺度前馈连接的星系图像形态分类方法，如图1所示，该网络是基于ResNet架构设计的，设计了特征提取模块ResNet_LK Block，包括动态大核卷积DLK、多尺度前馈神经网络MS‑FFN、注意力特征融合模块AFF。DLK采用多个大型卷积核来捕捉多尺度信息，利用动态选择机制，自适应地突出最重要的空间特征，可以捕获更精细和更具有信息性的特征。MS‑FFN用于对特征进行提取和变换，以提高模型的表示能力，同时可以有效捕获多尺度信息，添加一个1×1深度卷积核学习通道方面的缩放因子，更好地融合多尺度信息。AFF可以融合语义和尺度不一致的特征。本发明所提出的网络与经典的分类网络进行了对比，具有更高的分类准确率，对星系的研究具有重要意义。