基于多尺度和多分辨率Transformer的图像分类算法思考

ar小波变换，充分捕捉图像细节与边缘纹理等细粒度特征；其次，将获得的四个方向的小波频谱图进行分块，分别输入到四个多分辨率Swin Transformer Block中，学习同一频谱图的块之间的自注意力特征；然后，将不同频段的自注意力特征进行特征融合，合并成整幅图像的自注意力特征，再输入到一个多分辨率Swin Transformer Block中学习全局自注意力特征；最后，将自注意力特征输入到分类头。实验证明，相较于现有算法，本算法在中小型数据集上，能够提升图像分类精度值为4.3%。

参考文献（略）