[發明專利]一種基于可變形卷積層的特征圖像提取的方法及裝置

在審

• 申請號: 201710660525.1
• 申請日: 2017-08-04
• 公開（公告）號: CN107292319A
• 公開（公告）日: 2017-10-24
• 發明（設計）人: 劉治;李家興;章云
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司11227
• 代理人: 羅滿

技術領域

本發明涉及人工智能領域，特別是涉及一種基于可變形卷積層的特征圖像提取的方法及裝置。

背景技術

隨著科技不斷的進步，近幾年深度學習得到了長遠的發展。目前最熱門的技術是卷積神經網絡，并且基于卷積神經網絡的圖像檢測已經成為國防軍事、社會安全、公共交通、商業應用等各個領域的基礎性研究課題。迄今為止，最好的圖像檢測技術都是使用卷積神經網絡來實現的。

在進行圖像檢測的過程中，同一個物體在圖像中可能呈現不同的大小、姿態、視角變化甚至是剛性形變，獲取的圖像中對于同一物體會發生形變。當圖像發生形變時，在現有技術中，通常的做法是依靠數據本身的多樣性，即事先存儲有同一物體在不同遠近，不同姿態，甚至是不同光線下該物體的特征圖像。現有技術中，通常是依靠數據的多樣性來提高在圖像檢測時的精度以及魯棒性。

但是在現有技術中，對于發生形變的物體需要存儲有大量與該物體相關的特征圖像，會使得數據量非常大，不方便存儲，并且在進行特征圖像的對比時會花費大量的時間。現有的卷積網絡架構中，無法根據圖像的內容自適應的調整卷積核的感受野，從而會限制對于發生形變的物體的識別精度。

發明內容

本發明的目的是提供一種基于可變形卷積層的特征圖像提取的方法，可以有效提高圖像識別的精度；本發明的另一目的在于提供一種基于可變形卷積層的特征圖像提取的裝置，可以有效提高圖像識別的精度。

為解決上述技術問題，本發明提供一種基于可變形卷積層的特征圖像提取的方法，所述方法包括：

獲取目標圖像；

通過卷積層中卷積核的采樣點從所述目標圖像中提取像素值以得到特征圖像，所述采樣點的實際坐標值是根據預先設置的初始坐標值和預先訓練的偏移變量計算得到的所述實際坐標值。

可選的，所述卷積核所提取的像素值為：其中，y(s₀)是所述特征圖像中位置是s₀的像素值；w(s_n)是所述卷積核在所述目標圖像對應位置進行卷積運算的權值；s_n是所述采樣點在所述卷積核中的位置；x(s₀+s_n+Δs_n)是所述目標圖像對應位置的像素值；Δs_n是所述偏移變量。

可選的，所述通過可變形卷積層的采樣點從所述目標圖像中提取特征圖像包括：

通過所述采樣點從所述目標圖像對應于所述采樣點相鄰的像素點中，根據雙線性插值提取像素值，以得到所述特征圖像。

可選的，所述偏移變量為取整后的偏移變量。

可選的，所述偏移變量為預先通過梯度反向傳播進行訓練的偏移變量。

本發明還提供了一種基于可變形卷積神經網絡的特征圖像提取的裝置，所述裝置包括：

獲取模塊：用于獲取目標圖像；

提取模塊：同于通過可變形卷積層的采樣點從所述目標圖像中提取特征圖像，所述采樣點的實際坐標值是根據預先設置的初始坐標值和預先訓練的偏移變量計算得到的所述實際坐標值。

可選的，所述提取模塊具體用于：

通過卷積層中卷積核的采樣點從所述目標圖像中提取像素值以得到特征圖像，所述卷積核所提取的像素值為：其中，y(s₀)是所述特征圖像中位置是s₀的像素值；w(s_n)是所述卷積核在所述目標圖像對應位置進行卷積運算的權值；s_n是所述采樣點在所述卷積核中的位置；x(s₀+s_n+Δs_n)是所述目標圖像對應位置的像素值；Δs_n是所述偏移變量。

可選的，所述提取模塊具體用于：

通過所述采樣點從所述目標圖像對應于所述采樣點相鄰的像素點中，根據雙線性插值提取像素值，以得到所述特征圖像。

可選的，所述提取模塊具體用于：

通過可變形卷積層的采樣點從所述目標圖像中提取特征圖像，所述采樣點的實際坐標值是根據預先設置的初始坐標值和預先訓練的偏移變量計算得到的所述實際坐標值，所述偏移變量為取整后的偏移變量。

可選的，所述提取模塊具體用于：

通過可變形卷積層的采樣點從所述目標圖像中提取特征圖像，所述采樣點的實際坐標值是根據預先設置的初始坐標值和預先訓練的偏移變量計算得到的所述實際坐標值，所述偏移變量為預先通過梯度反向傳播進行訓練的偏移變量。