基于改进Transformer的天气现象识别方法

本申请公开了一种基于改进Transformer的天气现象识别方法，涉及图像识别技术领域，该方法构建的天气现象识别模型包括依次连接的分块模块、多个特征处理层、归一化层、平均池化层和全连接层，引入局部自注意力机制LSA对每个特征处理层中的Swin‑Transforme模块修改，局部自注意力机制可以使得使得注意力分数的分布更加清晰，天气现象识别模型还使用了偏移分块序列化操作以将更多的空间信息嵌入到视觉标记中，以此增加天气现象识别模型的局部归纳偏置，这种结构的天气现象识别模型可以在天气现象识别这种数据集规模不大、分布不平衡、图像背景干扰、冗余信息过多的场景下也有较好的识别表现。