[发明专利]用特征上采样网络提高CNN性能的学习方法和装置及用特征上采样网络的测试方法和装置

摘要

本发明公开了一种通过使用特征上采样网络提高CNN的性能的学习方法。该学习方法包括以下步骤：(a)允许下采样块获取下采样图像；(b)允许第(1‑1)至第(1‑k)过滤块中的每一个分别获取第(1‑1)至第(1‑k)特征映射中的每一个；(c)允许应用专用采样块：(i)从其对应的过滤块中接收特定的特征映射，并且(ii)从其之前的上采样块接收另一个具体的特征映射，然后将具体的特征映射的尺寸重新调节为与特定的特征映射的尺寸相同，并且(iii)对特定特征映射和重新调节后的具体的特征映射应用特定操作以生成特定的上采样块的特征映射；并且(d)(i)允许应用块获取应用专用输出，并且(ii)执行第一反向传播处理。

主权项

1.一种学习方法，通过使用学习装置中包括的特征上采样网络提高CNN的性能，所述特征上采样网络即FUN，其中，所述学习装置包括：(i)下采样块，用于减小输入图像的尺寸；(ii)第(1‑1)过滤块至第(1‑k)过滤块中的每一个，通过执行一个或多个卷积运算从所述第(1‑1)过滤块至所述第(1‑k)过滤块中的每一个获取第(1‑1)特征映射至第(1‑k)特征映射中的每一个；(iii)第(2‑k)上采样块至第(2‑1)上采样块，所述第(2‑k)上采样块至所述第(2‑1)上采样块中的每一个与所述第(1‑1)过滤块至所述第(1‑k)过滤块中的每一个相对应地相互作用，并由此生成第(2‑k)特征映射至第(2‑1)特征映射中的每一个；(iv)应用块，所述应用块用于通过使用所述第(2‑k)特征映射至所述第(2‑1)特征映射中的至少一部分来生成应用专用输出；以及(v)应用专用损失块，用于通过对由所述应用块生成的应用专用输出和地面真值之间进行比较来计算损失，所述学习方法包括以下步骤：(a)如果获得所述输入图像，则所述学习装置允许所述下采样块通过对所述输入图像应用预定操作以用于减小所述输入图像的尺寸来获取下采样图像；(b)如果获得所述下采样图像，则所述学习装置允许所述第(1‑1)过滤块至所述第(1‑k)过滤块中的每一个通过对所述下采样图像应用所述一个或多个卷积运算来分别获取所述第(1‑1)特征映射至所述第(1‑k)特征映射中的每一个；(c)所述学习装置：(I)允许所述第(2‑1)上采样块，(i)从所述下采样块接收所述下采样图像，(ii)从第(2‑2)上采样块接收第(2‑2)特征映射，然后将所述第(2‑2)特征映射的尺寸重新调节为与所述下采样图像的尺寸相同，并且(iii)对所述下采样图像和第(2‑2)重新调节后的特征映射应用特定操作，从而获取所述第(2‑1)特征映射，并且所述学习装置(II)允许第(2‑(M+1))上采样块：(i)从第(1‑M)过滤块接收第(1‑M)特征映射，并且(ii)从第(2‑(M+2))上采样块接收第(2‑(M+2))特征映射，然后将所述第(2‑(M+2))特征映射的尺寸重新调节为与所述第(1‑M)特征映射的尺寸相同，并且(iii)对所述第(1‑M)特征映射和第(2‑(M+2))重新调节后的特征映射应用特定操作，从而生成第(2‑(M+1))特征映射，由此获得所述第(2‑k)特征映射至第(2‑2)特征映射，其中M为大于或等于1的整数；并且(d)所述学习装置：(i)允许所述应用块通过对所述第(2‑k)特征映射至所述第(2‑1)特征映射的至少一部分应用应用专用操作来获取所述应用专用输出，并且所述学习装置：(ii)允许所述应用专用损失块通过将所述应用专用输出与所述地面真值进行比较来获取损失；并由此在第一反向传播处理的过程中通过使用损失来调节所述应用块、所述第(2‑k)上采样块至所述第(2‑1)上采样块以及所述第(1‑1)过滤块至所述第(1‑k)过滤块中的至少一部分的参数。