[发明专利]一种基于多路并行卷积神经网络的图像处理方法

权利要求书

1.一种基于多路并行卷积神经网络的图像处理方法，用于获得目标图像对应预设数量分支下、各分支应用卷积神经网络处理后的结果特征图；其特征在于，包括如下步骤：

步骤A.应用卷积层，针对目标图像按预设卷积核大小、进行卷积处理，获得特征图，作为当前上层分支的输入特征图，然后进入步骤B；

步骤B.获得当前上层分支的输入特征图的副本，并应用池化层，针对该副本按预设降维维度大小、进行降维处理，获得高级特征图，作为当前下层分支的输入特征图，然后进入步骤C；

步骤C.分别针对当前上层分支和当前下层分支：根据预设数量卷积层、以及各卷积层中预设卷积核大小，针对输入特征图依次经过各卷积层进行卷积处理，获得中级特征图；即分别获得当前上层分支所对应的中级特征图、以及当前下层分支所对应的中级特征图，然后进入步骤D；

步骤D.针对当前上层分支：先获得当前下层分支所对应的中级特征图的副本；接着针对该副本进行上采样，获得与当前上层分支所对应中级特征图尺寸相同的副本特征图；然后针对当前上层分支所对应的中级特征图、以及该副本特征图，沿分支方向进行叠加，获得当前上层分支所对应的融合特征图；

同时，针对当前下层分支：先获得当前上层分支所对应的中级特征图的副本；接着针对该副本进行下采样，获得与当前下层分支所对应中级特征图尺寸相同的副本特征图；然后针对当前下层分支所对应的中级特征图、以及该副本特征图，沿分支方向进行叠加，获得当前下层分支所对应的融合特征图；

待分别完成针对当前上层分支、当前下层分支的上述操作后，进入步骤E；

步骤E.分别针对当前上层分支和当前下层分支：采用注意力模块针对融合特征图进行去冗余处理，获得终极特征图；

即分别获得当前上层分支所对应的终极特征图、以及当前下层分支所对应的终极特征图，然后进入步骤F；

步骤F.将当前上层分支、当前下层分支均作为当前分支，判断当前分支的数量是否等于预设分支数量，是则各个当前分支分别所对应的终极特征图，即作为各个当前分支的结果特征图；否则进入步骤G；

步骤G.同时分别针对各个当前分支：将当前分支所对应的终极特征图、作为当前上层分支的输入特征图，并返回步骤B。

2.根据权利要求1所述一种基于多路并行卷积神经网络的图像处理方法，其特征在于：所述步骤E中，分别针对当前上层分支和当前下层分支：按如下步骤E1至步骤E3，采用注意力模块针对融合特征图进行去冗余处理，获得终极特征图；

步骤E1.针对融合特征图进行空间注意力处理，为融合特征图中各个像素分别分配所对应的像素权重，同时针对融合特征图进行通道注意力处理，为融合特征图的各个通道分别分配所对应的通道权重；然后进入步骤E2；

步骤E2.基于融合特征图各个通道分别所对应的通道权重、以及融合特征图中各个像素分别所对应的像素权重，按预设卷积核大小、针对融合特征图进行卷积处理，获得注意力处理特征图，然后进入步骤E3；

步骤E3.针对注意力处理特征图与融合特征图进行叠加处理，获得终极特征图。

3.根据权利要求1所述一种基于多路并行卷积神经网络的图像处理方法，其特征在于：所述步骤F中，获得各个当前分支的结果特征图后，根据图像处理目的，针对各个当前分支的结果特征图进行相应进一步处理应用。