一种基于轻量去冗余卷积和改进Transformer的图像分类方法及系统

本发明公开了一种基于轻量去冗余卷积和改进Transformer的图像分类方法及系统，属于图像处理技术领域，本发明包括获取分类图像数据集；将分类图像数据集划分为训练集与测试集并进行数据增强；构建轻量去冗余卷积和改进Transformer的图像分类模型并采用迁移学习的训练方式，使用训练集优化参数得到最优模型；加载训练好的最优模型，输入待分类图像得到分类结果。本发明通过构建轻量去冗余卷积对背景相似，目标区域小的图像进行特征筛选，去除冗余特征，获取鲁棒的特征表示，同时采用卷积神经网络和改进的Transformer结合的双流模式加强模型的归纳偏置能力和长距离依赖捕获能力，有效提高了图像分类最终结果的质量，具备适用性强和分类性能高的优良特性。