[发明专利]一种基于多区域交叉权值的图像卷积特征的生成方法

摘要

本发明公开一种基于多区域交叉权值的图像卷积特征的生成方法，在K个特征图中模糊地标记出目标位置，利用得到的目标位置和深度卷积特征计算空间权重图；计算K个特征图在不同尺度下的区域大小，分别计算不同区域下的空间权重、通道权重和区域权重；针对每个区域利用交叉权重进行聚合操作，并将多个区域的特征向量相加，得到图像的K维特征表示。本发明生成的图像特征表示，在应用于检索任务表现出明显优势，较好地突出图片目标区域，同时抑制了背景噪声区域，将该图像描述符应用于图像检索，能够提高检索准确率，达到精确检索的目的。

主权项

一种基于多区域交叉权值的图像卷积特征的生成方法，其特征是，包括如下步骤：步骤1、选择任意一种用于分类后的卷积神经网络模型，在网络中截断分类的步骤即全连接层，保证网络模型对图像尺寸不具有约束；步骤2、将原始图像输入到卷积神经网络模型中，提取原始图像的特征图X；步骤3、从横截面角度汇聚特征图，将特征图由三维特征图X压缩成二维特征图M；并在特征图M上利用该特征图的均值模糊地标记出目标的大致位置，得到关于特征图M的掩码图Mask；步骤4、将特征图M减去其均值得到新的特征图并将新的特征图与掩码图Mask经过加权后，生成关于特征图M的空间权重图Sal；步骤5、对于特征图M，在每个尺度上进行均匀采样，实现特征图M的区域划分；步骤6、根据空间权重图Sal，计算区域空间权重Sali、区域权重wi和通道权重Channelj；步骤7、根据区域空间权重Sali、区域权重wi和通道权重Channelj，交叉聚合特征图X，生成新的图像特征表示；上述i∈[1,N]，N表示划分区域的总数，j∈[1,K]，K表示通道的总数。