基于多粒度特征融合和加权熵损失的动态微变化识别方法

本发明公开了基于多粒度特征融合和加权熵损失的动态微变化识别方法，使用光学流图更好地提取动态微变化的特征并进行分类，属于机器学习和深度学习技术领域。本发明对光学流图分块加权，通过将注意力模块的结果以权重的形式对光学流进行增强。本发明提出从加权的起始‑顶点光学流块中提取局部特征预测向量，并从起始‑顶点光学流图和顶点‑偏移光学流图中提取全局特征预测向量，并将全局和局部的特征预测向量融合，利用多粒度特征融合提升其区分能力，提升了识别的准确率。此外还使用加权交叉熵损失函数，根据不同类别的训练损失进行加权，克服了不同类别训练样本数量存在较大差异的问题。