计算机工程与科学

作者：谷文俊, 张晟恺, 邱晓梦, 李亚康, 宋伟

单位：1.郑州大学河南省大数据研究院，河南 郑州 450052；2．郑州大学计算机与人工智能学院，河南 郑州450001；3.深圳综合粒子设施研究院，广东 深圳 518107；4.中国科学院高能物理研究所，北京 100049

关键词：小角散射图像,细粒度分类,散射特征,双模态,

基金：国家自然科学基金（12005248）；河南省高等学校重点科研项目（22A520010）

小角X射线散射设备的不断升级和发展产生了更多更高维的散射数据，给研究人员快速获取实验结果带来了极大挑战。亟需有效的自动化分类方法，加快数据表征速度的同时保证较高的准确率。然而，许多模型学习特征主要针对光照图像，忽略了散射图像特点，分类准确率较低。因此，基于散射模式特点，提出了一种双模态细粒度特征提取模型BRTNet。该模型采用双模态输入模式，其一为采用多尺度卷积为架构的特征学习网络PRS，学习散射图像的微观信息；其二为融合局部信息的多头注意力机制ConvTransformer，学习散射序列的相关性信息。然后，模型结合图像信息和序列信息，融合双分支特征，对散射数据进行分类并获得分类结果。在生物溶液散射数据集上的实验结果表明，模型分类准确率超89%，同基准模型相比具有较为明显的优势。

来源：2023年第8期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2023年第8期