摘要
本发明涉及人工智能技术领域,尤其涉及一种图像分类模型的训练方法、分类方法、装置、设备及介质。应用于医疗领域,对齐模块输出空间注意力权重矩阵、像素重要性矩阵,由于空间注意力权重矩阵与像素重要性矩阵的尺寸相等,且与特征图的大小相等,通过计算空间注意力权重矩阵与像素重要性矩阵之间的对齐损失,使空间注意力权重矩阵与像素重要性矩阵分布保持一致,从而在进行分类过程中,不仅将像素点对其他像素点的注意力考虑在内,还将像素点对分类结果的贡献程度考虑在内,进行可视化分析时,注意力特征图中的值越大,表示模型关注程度越高,在不借助其他可解释性工具的情况下,仅使用模型本身的输出分析其分类依据,达到可解释的目的。
技术关键词
矩阵
分类方法
图像分类模型
对齐模块
特征加权融合
特征提取模块
注意力机制
训练装置
样本
像素点
计算机设备
数据
超参数
可读存储介质
人工智能技术
标签
系统为您推荐了相关专利信息
命名实体识别方法
专业
文本
word2vec模型
双线性
射频指纹识别方法
面向多场景
信号
软件无线电
数据
抽水蓄能电站监控
线性动态系统模型
多臂老虎机
系统仿真测试
数据分析方法