[发明专利]可集成到神经网络架构中的图像多尺度信息提取方法有效
| 申请号： | 201910242489.6 | 申请日： | 2019-03-28 |
| 公开（公告）号： | CN109934241B | 公开（公告）日： | 2022-12-09 |
| 发明（设计）人： | 程明明;高尚华;赵凯 | 申请（专利权）人： | 南开大学 |
| 主分类号： | G06V10/82 | 分类号： | G06V10/82;G06V10/52;G06V10/80 |
| 代理公司： | 天津耀达律师事务所 12223 | 代理人： | 侯力 |
| 地址： | 300071*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 可集成到神经网络架构中的图像多尺度信息特征方法及应用。本发明从更细粒度的层面提升了神经网络的多尺度表达能力。本发明方法将进入提取器的特征图按照通道数量被分成几个特征图子集；然后将各特征图子集的送入依照层级递进的结构排布连接的卷积核组中，完成不同尺度信息的提取；再经过另一个融合卷积层进行信息融合，实现对不同尺度信息的融合。该方法可集成到现有的绝大多数神经网络结构中，大幅提升原有神经网络的性能。此外，基于该方法的神经网络能为包括但不限于图像分类、物体检测、注意力预测、目标跟踪、动作识别、语义分割、显著物体检测和骨架提取等视觉任务提供高质量的语义特征信息。 | ||
| 搜索关键词： | 集成 神经网络 架构 中的 图像 尺度 信息 提取 方法 | ||
【主权项】：
1.一种可集成到神经网络架构中的图像多尺度信息提取方法，其特征在于：a.将进入提取器的特征图按照通道数量被分成几个特征图子集；b.处理上步所划分的各特征图子集的卷积核依照层级递进的结构排布连接；某一个特征图子集经过一个卷积层得到新的特征图与另一个特征图子集结合后继续送入另一个卷积层；重复此过程直至所有特征图子集被处理完成；每一个卷积层的等效感受野逐渐增大，完成不同尺度信息的提取；c.处理完的特征图子集采用拼接方法结合，再经过另一个融合卷集层进行信息融合，实现对所划分的几个特征图子集信息的融合。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南开大学，未经南开大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910242489.6/，转载请声明来源钻瓜专利网。
- 上一篇：特征更新方法及装置、电子设备和存储介质
- 下一篇：图片识别方法和装置
