基于声光图像融合Transformer的水下目标分类方法及相关装置

本发明属于计算机视觉中的图像分类技术领域，公开了一种基于声光图像融合Transformer的水下目标分类方法及相关装置；其中，所述水下目标图像分类方法包括以下步骤：获取待分类的光学及其对应的声学图像；基于所述待分类的声学及光学图像，采用预先训练好的深度图像分类网络进行水下目标分类，获得分类结果。本发明提出声光融合模块进行声光图像融合以及特征提取模块进行特征提取以及特征混合，增强特征的多样性和语义丰富性，进而提高水下目标图像分类准确率，解决了现有技术中存在的单一模态图像特征提取不充分与特征丰富性捕获不足所导致的水下目标图像较高误分类的技术问题。