基于复数坐标注意力模块的卷积神经网络及目标识别方法与流程

技术特征：
1.基于复数坐标注意力模块的卷积神经网络，其特征在于，所述卷积神经网络包括：输入层、n个基本单元、分类单元和输出层；其中，所述处理单元用于通过取模运算将复数映射成对应的实数，并进行分类识别；n个基本单元包括第一至第n基本单元，第一基本单元与所述输入层连接，所述第一基本单元的输出为第二基本单元的输入，......，所述第n基本单元的输入为第n
‑
1基本单元的输出，n为大于1的整数，所述第n基本单元的输出为所述处理单元的输入，所述处理单元的输出为所述分类器的输入，所述分类器与所述输出层连接；所述n个基本单元均包括：第一复数卷积模块、第一复数批规范化模块、第一复数激活模块和第一复数池化模块；其中，所述n个基本单元中的其中一个基本单元还包括：复数坐标注意力模块；所述复数坐标注意力模块包括：复数坐标注意力嵌入单元和复数坐标注意力生成单元，针对每个通道，所述复数坐标注意力嵌入单元用于将所述通道的第一复输入特征图分别沿着水平和垂直方向进行编码，分别生成所述第一复输入特征图在所述通道沿水平方向编码后的第一输出特征信息和沿垂直方向编码后的第二输出特征信息；针对每个通道，所述复数坐标注意力生成单元用于：将所述第一输出特征信息和所述第二输出特征信息进行拼接，生成所述通道的特征信息拼接结果；将所述通道的所述特征信息拼接结果进行特征降维，获得降维后的特征信息，将降维后的特征信息激活获得所述通道的第一复输出特征图；将所述第一复输出特征图沿空间维度拆分成为第一张量和第二张量；将所述第一张量和所述第二张量维度调整为与所述第一复输入特征图相同的维度，获得水平方向所述通道的第二复输出特征图和垂直方向所述通道的第三复输出特征图；获得第三张量和第四张量，所述第三张量为所有通道的所述第二复输出特征图的集合，所述第四张量为所有通道的所述第三复输出特征图的集合；将所述第三张量和所述第四张量中的每个元素均采用极坐标的形式表示，采用约束函数约束极坐标的幅度，分别获得水平和垂直空间方向的第四复输出特征图和第五复输出特征图，将所述第四复输出特征图和所述第五复输出特征图进行扩展，生成水平和垂直空间方向的注意力权重分布，将所述注意力权重分布作用于所述复数坐标注意力模块的复输入特征图，获得所述复数坐标注意力模块的复输出特征图；其中，复输入特征图和复输出特征图均为复数形式的特征图。2.根据权利要求1所述的基于复数坐标注意力模块的卷积神经网络，其特征在于，在未包括所述复数坐标注意力模块的所述基本单元中，该基本单元中的所述复数卷积模块的输出为所述复数批规范化模块的输入，所述复数批规范化模块的输出为所述复数激活模块的输入，所述复数激活模块的输出为所述复数池化模块的输入。3.根据权利要求1所述的基于复数坐标注意力模块的卷积神经网络，其特征在于，在包括所述复数坐标注意力模块的所述基本单元中，该基本单元中的所述复数卷积模块的输出为所述复数批规范化模块的输入，所述复数批规范化模块的输出为所述复数坐标注意力模块的输入，所述复数坐标注意力模块的输出为所述复数激活模块的输入，所述复数激活模块的输出为所述复数池化模块的输入。4.根据权利要求1所述的基于复数坐标注意力模块的卷积神经网络，其特征在于，所述分类单元包括：第二复数卷积模块、第二复数批规范化模块、第二复数激活模块、第三复数卷积模块和
分类器；所述第二复数卷积模块的输出为所述第二复数批规范化模块的输入，所述第二复数批规范化模块的输出为所述第二复数激活模块的输入，所述第二复数激活模块的输出为所述第三复数卷积模块的输入，所述第三复数卷积模块的输出为所述分类器的输入。5.根据权利要求1所述的基于复数坐标注意力模块的卷积神经网络，其特征在于，所述卷积神经网络包括第一至第六基本单元。6.根据权利要求5所述的基于复数坐标注意力模块的卷积神经网络，其特征在于，第六基本单元包括所述复数坐标注意力模块。7.根据权利要求1所述的基于复数坐标注意力模块的卷积神经网络，其特征在于，所述卷积神经网络中设有优化器用于更新网络权重和偏置项。8.根据权利要求1所述的基于复数坐标注意力模块的卷积神经网络，其特征在于，所述复输入特征图为空间目标识别信号的复输入特征图，所述复输出特征图为空间目标识别信号的复输出特征图。9.目标识别方法，其特征在于，所述方法包括：获得目标信号；将所述目标信息输入权利要求1
‑
5中任意一个所述基于复数坐标注意力模块的卷积神经网络中；所述卷积神经网络输出目标识别结果。10.根据权利要求9所述的目标识别方法，其特征在于，所述目标信号为雷达回波数据。

技术总结
本发明公开了基于复数坐标注意力模块的卷积神经网络及目标识别方法，涉及目标识别领域，卷积神经网络包括：输入层、N个基本单元、分类单元和输出层；其中，处理单元用于通过取模运算将复数映射成对应的实数，并进行分类识别；N个基本单元包括第一至第N基本单元，N个基本单元均包括：第一复数卷积模块、第一复数批规范化模块、第一复数激活模块和第一复数池化模块；其中，所述N个基本单元中的其中一个基本单元还包括：复数坐标注意力模块；所述复数坐标注意力模块包括：复数坐标注意力嵌入单元和复数坐标注意力生成单元，本发明实现了相似空间锥体目标高精度识别。间锥体目标高精度识别。间锥体目标高精度识别。


技术研发人员：张袁鹏 解岩 张雷 陈一畅 姚汉英 李槟槟 范亚 朱振波 余方利 汤子跃
受保护的技术使用者：中国人民解放军空军预警学院
技术研发日：2021.07.28
技术公布日：2021/10/23