龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：辽宁工程技术大学
申请日：2020-10-28
公开（公告）日：2024-06-28
公开（公告）号：CN112257796B
主分类号：G06V10/80
分类号：G06V10/80;G06V10/82;G06N3/0464;G06T7/11;G06T3/4084
优先权：
专利状态码：有效-授权
法律状态：2024.06.28#授权;2021.02.09#实质审查的生效;2021.01.22#公开
摘要：本发明公开了一种基于选择性特征连接的卷积神经网络的图像整合方法，包括：分别求出低层特征和高层特征的平均特征；得到的高层特征的平均特征减去低层特征的平均特征得到关键特征图的得分；对高层特征的平均特征进行缩放处理；进行Softmax归一化处理得到特征Z；对特征Z进行最大值归一处理，得到注意得分。本发明的基于选择性特征连接的卷积神经网络的图像整合方法基于选择性特征连接的高低层特征融合方式能更好的整合特征图信息，更有效的利用已经学习到的特征，且并不会增加参数量。优化了卷积神经网络结构，提升了网络的性能，尤其对于浅层卷积神经网络具有重要意义，让浅层卷积神经网络应用到更多的领域中去。
主权项：1.一种基于选择性特征连接的卷积神经网络的图像整合方法，其特征在于，包括以下步骤：步骤1：分别求出低层特征和高层特征的平均特征；步骤2：将步骤1得到的高层特征的平均特征减去低层特征的平均特征得到关键特征图的得分；步骤3：对高层特征的平均特征进行缩放处理；步骤4：将步骤2得到的关键特征图的得分和步骤3缩放处理的结果分别进行Softmax归一化处理得到特征Z；步骤5：对特征Z进行最大值归一处理，得到注意得分；在步骤1中，低层特征的平均特征如下所示： 高层特征的平均特征如下所示： 其中Am∈RF×G×1，Bm∈RF×G×1，A0在空间位置i,j,c处对应的值为A0i,j,c，B在空间位置i,j,c处对应的值为Bi,j,c，C1代表低层特征的个数，C2代表高层特征的个数；在步骤2中，关键特征图的得分如下所示：P＝Bm-Am；在步骤3中，对高层特征的平均特征进行缩放处理如下所示：D＝Bm*n其中在步骤4中，将步骤2得到的关键特征图的得分和步骤3缩放处理的结果分别进行Softmax归一化处理如下所示： 得到的特征Z如下：Z＝SP-SD；在步骤5中，注意得分如下所示： 其中M∈RF×G×1，Mi,j是在位置i,j的最终得分。
全文数据：
权利要求：
百度查询： 辽宁工程技术大学 一种基于选择性特征连接的卷积神经网络的图像整合方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号