[发明专利]一种基于局部感知野的单卷积神经网络局部信息与全局信息整合方法

权利要求书

1.一种基于局部感知野的单卷积神经网络局部信息与全局信息整合方法，包括：

步骤1，给定卷积神经网络模型，计算每一层特征图对应在原图中的局部感知野大小；

步骤2，依据每一层局部感知野大小，选取一个层分割，以平衡局部信息和全局信息；

步骤3，综合考虑信息量与计算量，选取分割方式与分割个数，对选取层的特征图进行分割，分割方式为依据关键点将该层的特征图均匀分割为2*2个特征图；

步骤4，对分割后的特征图进行维度匹配；

步骤5，将选取层后面的所有层，包括损失函数层，叠加到每一个分割后的子特征图之后，进行训练，完成局部信息与全局信息的整合。

2.根据权利要求1所述的基于局部感知野的单卷积神经网络局部信息与全局信息整合方法，其特征在于，步骤1中，局部感知野大小使用逐层迭代的计算方式：

对于第N层特征图中一个大小为H_N*W_N的区域，依据第N层网络参数计算得到其对应到第N-1层特征图中的大小H_N-1*W_N-1，逐层迭代，直至第0层输入层，得到H₀*W₀，即为所求的局部感知野大小；

其中，H_N与W_N是第N层特征图所述区域的长度与宽度，H_N-1与W_N-1是第N-1层特征图所述区域的长度与宽度，H₀与W₀是第0层特征图所述区域的长度与宽度。

3.根据权利要求2所述的基于局部感知野的单卷积神经网络局部信息与全局信息整合方法，其特征在于，所述的网络参数为核大小和步长。

4.根据权利要求1所述的基于局部感知野的单卷积神经网络局部信息与全局信息整合方法，其特征在于，步骤2中，所述的选取的层为位于网络中间且后接池化层的卷积层。

5.根据权利要求1所述的基于局部感知野的单卷积神经网络局部信息与全局信息整合方法，其特征在于，步骤4中，所述的特征图用线性插值或添加去卷积层的方法进行放大操作，用于维度匹配。