一种兼顾多特征区域的深度学习模型训练方法

本发明公开了一种兼顾多特征区域的深度学习模型训练方法，包括将图像I加载到深度学习模型中，对模型进行初始训练并更新模型参数；将模型训练过程中特征提取器输出的多维特征图进行堆叠，形成堆叠热力图；基于堆叠热力图生成掩膜，利用掩膜对图像I中的重点关注区域进行屏蔽处理；将屏蔽处理后的图像I替换原来的图像I并加载到完成参数更新的深度学习模型中，对模型进行再次训练，更新模型参数；重复上述步骤一次或者多次后，切换另一幅图像进行相同的训练，直到训练集图像库中的所有图像均被输入后，模型训练完成，存储模型参数；本方法旨在提升基于注意力机制的深度学习模型的泛化能力和鲁棒性，兼顾多区域特征，避免漏识别。