买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华侨大学;厦门松霖科技股份有限公司

摘要：本发明公开了一种基于池化正交融合的面部色素斑分类方法及装置，涉及图像识别领域，包括：构建面部色素斑分类模型并训练，得到经训练的面部色素斑分类模型，面部色素斑分类模型中，利用深度骨干网络对色素斑图像进行特征提取，得到特征映射，池化正交融合模块中，先验平均池化分支用于提取特征映射中的空间全局信息，获得具有空间稳定性的先验池化特征，后验可学习池化分支借助可学习权重挖掘特征映射中的空间分布信息，获得空间敏感性的后验可学习池化特征，利用正交融合模块对先验池化特征和后验可学习池化特征进行正交融合，得到正交融合特征并输入到第一全连接层和Softmax函数层，输出预测类别概率。本发明解决散射分布斑点分类难的问题。

主权项：1.一种基于池化正交融合的面部色素斑分类方法，其特征在于，包括以下步骤：构建面部色素斑分类模型并训练，得到经训练的面部色素斑分类模型，所述面部色素斑分类模型包括深度骨干网络、池化正交融合模块、第一全连接层和Softmax函数层；利用深度骨干网络对色素斑图像进行特征提取，得到特征映射，池化正交融合模块包括先验平均池化分支、后验可学习池化分支和正交融合模块，先验平均池化分支用于提取所述特征映射中的空间全局信息，获得具有空间稳定性的先验池化特征，后验可学习池化分支借助可学习权重挖掘所述特征映射中的空间分布信息，获得空间敏感性的后验可学习池化特征，具体包括：所述后验可学习池化分支包括降维处理模块、空间方位感知模块和升维处理模块；所述降维处理模块包括依次连接的第一卷积层、第一批归一化层和第一ReLU激活函数层，公式如下式所示： 其中，f表示所述特征映射；o表示降维处理后获得的降维特征；Conv·,φ为第一卷积层对应的操作，其卷积核为表示实数域，C表示特征映射f的通道数量，Cr表示降维特征o的通道数量，1×1表示卷积核φ的空间接受域，r表示通道压缩参数，它大于1且能被C整除；BN·表示批归一化操作；ReLU·表示ReLU激活函数；所述空间方位感知模块利用H×W感受野的卷积核作为可学习权重对降维特征进行卷积处理，挖掘方位敏感的空间分布信息，获得空间方位感知特征，公式如下式所示： 其中，oc,i,j表示降维特征o的第c个通道上的特征值在空间位置i，j处的元素值，i和j分别是特征值的高度序号和宽度序号，H和W分别表示降维特征o的高度和宽度，与所述特征映射f的高度和宽度相同，Cr表示降维特征o的通道数量；是H×W感受野的卷积核的第c个输出通道第t个输入通道在空间位置i,j处的元素值，；p为空间方位感知特征，pt表示空间方位感知特征p在第t个通道上的特征值；所述升维处理模块包括依次连接的第二卷积层、第二批归一化层和第二ReLU激活函数层，用于将所述空间方位感知特征与所述特征映射进行特征维度对齐，得到后验可学习池化特征，公式如下式所示： 其中，q表示升维处理后获得的后验可学习池化特征；Conv·,λ为第二卷积层对应的操作，其卷积核为C’r是空间方位感知特征的通道数量，与降维特征o的通道数量相同，C’是后验可学习池化特征q的通道数量，与特征映射f的通道数量相同，1×1表示λ的空间接受域；r表示通道压缩参数，它大于1且能被C’整除；BN·表示批归一化操作；ReLU·表示ReLU激活函数，利用所述正交融合模块对所述先验池化特征和后验可学习池化特征进行正交融合，得到正交融合特征，所述正交融合特征再输入到所述第一全连接层和Softmax函数层，输出预测类别概率；获取待分类的色素斑图像，将所述待分类的色素斑图像输入所述经训练的面部色素斑分类模型，得到预测类别概率，所述预测类别概率经过argmax·函数，得到所述预测类别概率中的最大概率值所对应的类别，并作为面部色素斑分类结果。

全文数据：

权利要求：

百度查询： 华侨大学 厦门松霖科技股份有限公司 基于池化正交融合的面部色素斑分类方法及装置