基于物理全局滤波注意力卷积神经网络的图像分类方法

本发明公开了一种基于物理全局滤波注意力卷积神经网络的图像分类方法，主要解决现有技术在图像分类任务上对复杂模式、细微特征识别能力不足的问题，其实现方案为：获取图像分类数据集，划分训练集和测试集；构建包括编码器、全局滤波器层、特征融合器、扩展器和全局注意力融合器的全局滤波注意力模块，以将一维通道权重和二维空间权重融合成三维注意力权重；在现有卷积神经网络架构中的残差块中添加全局滤波注意力模块；利用训练集对该图像分类网络进行训练；将测试集输入到训练好的基于物理全局滤波器注意卷积神经网络，得到测试集的图像分类结果。本发明提升网络在图像分类任务上对复杂模式和细微特征的识别能力，提高图像分类准确率，可用于自动驾驶、医疗影像分析。