[发明专利]一种基于多尺度注意力机制的冰下层结构提取方法

说明书

一种基于多尺度注意力机制的冰下层结构提取方法，涉及使用计算机视觉领域。本发明提出了一种新型的MsANet网络，该网络以双分支卷积网络作为骨干网络，不仅融合了多尺度特征，且使用了3D注意力机制，以进一步对3D雷达拓扑序列中不同冰层独有的特征进行额外的特征建模，实现了对不同冰层空间关系的细化处理。3D注意力机制和多尺度模块形成的注意力多尺度模块，使得检测到的重要冰层特征可以通过利用多尺度模块得到更丰富的尺度特征，进一步加强对关键冰层特征的建模能力。本发明同时检测多个冰层位置作为不同任务，利用两分支结构分别学习不同位置冰层的独有特征，最终实现了快速、高精度的基于MsANet网络的冰下层结构提取算法。

技术领域

本发明属于计算机视觉、模式识别与极地冰川学领域，设计一种基于MsANet网络的冰下层结构提取方法。

背景技术

随着人民生活水平的提高与技术的发展，对智能分析、制造的期望和需求愈加强烈。其中主要涉及到的大数据分析与人工智能受到了广泛关注。现在，人工智能与不同领域的结合是一个正在不断探索的、具有重要意义的方向。极地冰川学作为一项地理观测和建模演绎的复杂学科，对人类的生产生活、全球气候研究具有极大的意义。为进一步促进对极地冰川的研究，可以从自动化处理冰盖雷达拓扑序列中开始着手。由于手工处理的冰盖雷达图效率低，且手工设计特征的方法过程复杂、效率差，并不适合处理大型数据集。因此，将对极地冰盖雷达图的分析与人工智能相交融具有非常重要的应用意义，诸多国内外极地研究机构都对此方向贡献出诸多的研究投入。在这其中，机器学习是将人工智能变为现实的重要方法，运用机器学习的算法，将收集到的数据加以分析与整理，并建立对应的模型，从而实现自动的分析过程。如果，构建一些能够辅助冰川学家进行冰盖雷达图的分析的系统，实现对冰盖雷达图的自动冰川提取和简单的常规分析，那么在极大方便冰川学家利用提取的极地冰盖数据进行进一步的研究同时，也可以一定程度上避免对极地冰盖下冰层的错误提取的现象。

极地冰盖下冰层提取主要为极地冰盖的分析、冰川模型的建模进行数据准备。可从提取的冰下层结构直接推导出冰层厚度，再结合之前的冰厚数据，可以进行对冰盖质量变化的估计。利用提取的冰层数据建立的冰川建模可以进一步观测气候变化等与人类生活息息相关的因素。对极地冰盖分析通常通过冰盖雷达图进行，在冰盖雷达图上通常会存在大量的噪声等因素的干扰，尤其是在跨轨方向的雷达拓扑切片受噪声干扰更为严重。而跨轨方向上的冰盖雷达图能更全面、更准确的描述冰盖下地形特征。因此，对冰盖雷达拓扑切片的分析任务更具有挑战和意义。为此，我们设计了本自动分析、提取冰下层结构的提取方法，以希望帮助极地冰盖研究者能快速、准确的提取冰下层结构，实现对冰盖雷达图的初步分析。

发明内容

目前，在此领域的利用深度学习进行的相关工作还相对较少，为此，本发明提出了一个轻量、高精度的基于多尺度注意力机制(MsANet)的冰下层结构提取算法。在3D卷积网络中加入多尺度模块与注意力模块，这种结构不仅可以增强网络对输入数据的多尺度特征的表达能力，同时又可以通过注意力模块增强对输入的冰盖雷达拓扑切片的重要冰层结构特征的建模能力。本发明提出的MsANet网络对冰盖雷达拓扑序列这类具有一定的空间-序列特征的数据具有良好的建模作用，可以较为快速、准确的从中提取出冰表面层和冰基岩层。

本发明提出的一种轻量、高精度的基于MsANet的冰下层结构提取算法，总体思路是对几帧连续的雷达拓扑切片作为一组输入，以包含一定的空间-序列关系，然后将数据输入到设计的网络中进行训练，期望建立一个能够良好捕获冰层空间和序列间关系的模型；在测试时，网络利用已经建立的冰盖地形的空间-序列特征的特征关系，会直接输出对输入的测试数据的冰层结构的提取结果。方法主要包括以下特征：

(1)新设计的MsANet网络

具体提出的网络搭建结构如下：