基于轻量级Non-Local的图像分类方法及系统

本发明涉及基于轻量级Non?Local的图像分类方法及系统，属于图像分类领域。利用轻量级网络的分组隐式聚类特点，对瓶颈层后的抽象特征进行分组，简化了原始Non?Local的长连接关系获取机制，从而降低了计算复杂度。利用一元长连接关系和点对长连接关系对特征进行提取，在降低计算复杂度的同时保留了Non?Local原本带来的长连接性能，实现了计算复杂度和Non?Local长连接的兼容。利用提取的特征对图像的类型进行预测，并计算预测的图像类型和实际的图像类型的交叉熵损失，根据交叉熵损失对模型进行训练，得到训练好的模型，并利用训练好的模型进行图像分类，既能提高图像分类准确性又能避免计算量大幅度提升。