一种基于影像深度学习的后结构化分解方法

本发明公开了一种基于影像深度学习的后结构化分解方法，包括如下步骤：S1、采集原始影像数据，并进行预处理；S2、利用双路径残差卷积神经网络和自适应注意力机制，提取低级和高级局部特征；S3、利用改进注意力机制，引入动态调整项计算注意力得分，并对值矩阵进行加权求和生成全局特征；S4、将局部特征与全局特征进行特征融合，生成高维非结构化特征表示；S5、对高维非结构化特征表示进行整体分析和分解，形成描述影像数据中各层次信息的特征子集；S6、将特征子集转换为标准化的结构化数据格式。本发明采用深度学习与后结构化分解方法，创新性地提取并结构化影像特征，具备高效、精准和自动化的数据分析优点。