基于通道注意力损失的深度图像分类方法

本发明公开了一种基于通道注意力损失的深度图像分类方法，旨在加强网络对图像中突出区域的关注度，并加强其学习判别性特征的能力。首先构建图像的深度特征分布图，通过卷积网络与特征提取层，得到图像所有深度特征通道信息；然后在主分支对深度特征分布图进行全局池化处理，再通过一个完全连接的层，计算SoftMax损失；接着，在额外分支将通道信息公平分配给分类任务的每个类别,提取更具判别性的特征信息，增强网络对不同类别细节的关注度，计算通道注意力损失，推导特定类别的概率；最后将SoftMax损失和通道注意力损失相结合，得到整个网络的最终损失函数，进行联合监督训练与参数优化，提升深度图像分类任务性能。