(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210832080.1 (22)申请日 2022.07.14 (71)申请人 海南大学 地址 570228 海南省海口市人民大道58号 申请人 海南大学三亚研究院 (72)发明人 肖驰　杨深榕　王俊　衡敏鑫　 苏俊怡　宋敬东　肖浩　 (51)Int.Cl. G06V 20/69(2022.01) G06V 10/82(2022.01) G06V 10/44(2022.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 一种基于实例分割的病毒识别方法与系统 (57)摘要 本发明公开一种基于实例分割的病毒识别 方法与系统， 方法包括： 基于预设的至少一种形 态相似的病毒 图像， 获取病毒颗粒的基本特征； 将所述病毒 图像划分区域图， 基于所述区域图， 生成各所述区域图对应的第一特征图； 基于所述 第一特征图以及所述基本特征， 获取所述病毒颗 粒的多尺度病毒特征， 生成第二特征图； 将所述 第二特征图分解为第一注意力特征图、 第二注意 力特征图和第三注意力特征图； 对 所述注意力特 征图进行融合处理， 生成识别结果。 本方法可 以 获得更精确的病毒识别结果， 提高了病毒的识别 准确率。 权利要求书3页 说明书11页 附图6页 CN 115171105 A 2022.10.11 CN 115171105 A 1.一种基于实例分割的病毒识别方法， 其特 征在于， 包括： 基于预设的至少一种形态相似的病毒图像， 获取所述病毒图像中病毒颗粒的基本特 征； 将所述病 毒图像划分成不重合的区域图， 在各所述 区域图中分别进行预设的自注意力 计算， 生成各 所述区域图对应的第一特 征图； 基于所述第一特征图以及所述基本特征， 获取所述病毒颗粒的多尺度病毒特征， 基于 所述第一特 征图、 所述基本特 征以及所述多尺度病毒特 征生成第二特 征图； 将所述第二特征图分解为沿通道方向的第 一注意力特征图、 沿水平方向的第 二注意力 特征图和沿垂直方向的第三注意力特 征图； 对所述第一注意力特征图、 所述第 二注意力特征图和所述第 三注意力特征图进行融合 处理， 生成识别结果。 2.根据权利要求1所述的方法， 其特征在于， 所述第二特征图包括第一特征子 图、 第二 特征子图和第三特征子图； 所述基于所述第一特征图以及所述基本特征， 获取所述病毒颗 粒的多尺度病毒特 征， 生成第二特 征图的步骤， 包括： 根据所述第一特征图的尺寸， 将所述第一特征图分成C1等级， C2等级， C3等级和C4等 级； 基于C2等级、 C3等级和C4等级的所述第一特征图， 进行卷积计算和线性相加计算， 生成 C2’等级的第一特 征子图； 基于C2等级和C3等级的所述第一特征图， 进行卷积计算和线性相加计算， 生成C3 ’等级 的第二特 征子图； 基于C4等级的所述第一特 征图， 进行两次卷积计算， 生成C4 ’等级的第三特 征子图。 3.根据权利要求1所述的方法， 其特征在于， 所述将所述第 二特征图分解为沿通道方向 的第一注意力特征图、 沿水平方向的第二注意力特征图和沿垂 直方向的第三注意力特征图 的步骤， 包括： 对所述第二特 征图进行信息 筛选处理， 生成第三特 征图； 基于所述第三特征图， 在所述第三特征图的通道方向进行压缩， 生成第一注意力特征 图； 基于所述第三特征图， 在所述第三特征图的水平方向进行压缩， 生成第二注意力特征 图； 基于所述第三特征图， 在所述第三特征图的垂直方向进行压缩， 生成第三注意力特征 图。 4.根据权利要求3所述的方法， 其特征在于， 所述对所述第二特征图进行信息筛选处 理， 生成第三特 征图的步骤， 包括： 对所述第二特 征图进行恒等映射处 理， 生成第三特 征图。 5.根据权利要求3所述的方法， 其特征在于， 所述基于所述第三特征图， 在所述第三特 征图的通道方向进行压缩， 生成第一注意力特 征图的步骤， 包括： 基于所述第三特征图， 将所述第三特征图的通道数赋予通道平均值， 生成第一空间注 意力特征图； 其中， 所述通道平均值为各所述区域图对应的所述第三特征图的通道数 的平 均值；权　利　要　求　书 1/3 页 2 CN 115171105 A 2基于所述第三特征图， 将所述第三特征图的通道数赋予通道最大值， 生成第二空间注 意力特征图； 其中， 所述通道最大值为各所述区域图对应的所述第三特征图的通道数 的最 大值； 对所述第一空间注意力特征图和所述第二空间注意力特征图进行叠加处理和激活函 数计算， 生成第一注意力特 征图。 6.根据权利要求3所述的方法， 其特征在于， 所述基于所述第三特征图， 在所述第三特 征图的水平方向进行压缩， 生成第二注意力特 征图的步骤， 包括： 基于所述第三特征图， 将所述第三特征图的宽度赋予宽度平均值， 生成初步水平方向 注意力特征图； 其中， 所述宽度平均值为各所述区域图对应的所述第三特征图的宽度的均 值； 对所述初步水平方向注意力特征图进行卷积计算以及激活函数计算， 生成第 二注意力 特征图。 7.根据权利要求3所述的方法， 其特征在于， 所述基于所述第三特征图， 在所述第三特 征图的垂直方向进行压缩， 生成第三注意力特 征图的步骤， 包括： 基于所述第三特征图， 将所述第三特征图的高度赋予高度平均值， 生成初步垂直方向 注意力特征图； 其中， 所述高度平均值为各所述区域图对应的所述第三特征图的高度的均 值； 对所述初步垂直方向注意力特征图进行卷积计算以及激活函数计算， 生成第 三注意力 特征图。 8.一种基于实例分割的病毒识别系统， 其特 征在于， 包括： 获取模块， 用于基于预设的至少一种形态相似的病毒图像， 获取所述病毒图像中病毒 颗粒的基本特 征； 划分模块， 用于将所述病毒图像划分成不重合的区域图， 在各所述区域图中分别进行 预设的自注意力计算， 生成各 所述区域图对应的第一特 征图； 提取模块， 用于基于所述第一特征图以及所述基本特征， 获取所述病毒颗粒的多尺度 病毒特征， 基于所述第一特 征图、 所述基本特 征以及所述多尺度病毒特 征生成第二特 征图； 分解模块， 用于将所述第二特征图分解为沿通道方向的第一注意力特征图、 沿水平方 向的第二注意力特 征图和沿垂直方向的第三注意力特 征图； 生成模块， 用于对所述第一注意力特征图、 所述第二注意力特征图和所述第三注意力 特征图进行融合处 理， 生成识别结果。 9.根据权利要求8所述的系统， 其特 征在于， 所述提取模块， 具体包括第 一提取子模块、 第 二提取子模块、 第三提取子模块和第四提 取子模块； 所述第一提取子模块， 用于根据所述第一特征图的尺寸， 将所述第一特征图分成C1等 级， C2等级， C 3等级和C4 等级； 所述第二提取子模块， 用于基于C2等级、 C3等级和C4等级的所述第一特征图， 进行卷积 计算和线性相加计算， 生成C2 ’等级的第一特 征子图； 所述第三提取子模块， 用于基于C2等级和C3等级的所述第一特征图， 进行卷积计算和 线性相加计算， 生成C 3’等级的第二特 征子图；权　利　要　求　书 2/3 页 3 CN 115171105 A 3