一种基于信息熵与注意力机制的池化和上采样融合CAM方法

本发明为一种基于信息熵与注意力机制的池化和上采样融合CAM方法，包括图片预处理、特征提取、信息熵计算、注意力权重矩阵设计、加权特征图与池化、上采样与残差连接、类别权重赋值与CAM生成等多个步骤。本发明通过引入信息熵理论，能够准确评估特征图中信息的复杂度和重要性，指导注意力权重设计，聚焦关键信息，抑制冗余，显著提升模型处理复杂图像的能力。结合注意力机制，特征表示更加有效准确。通过池化与上采样技术融合，灵活调整特征图尺寸，保留关键特征，便于后续任务。全局平均池化与预训练分类器的运用，生成类激活映射图，提高了计算机视觉任务的性能与准确性，并增加模型对图片处理的解释性。