[發明專利]面向多特征圖的異構深度神經網絡結構組合方法及系統

有效

• 申請號: 202010001772.2
• 申請日: 2020-01-02
• 公開（公告）號: CN111210006B
• 公開（公告）日: 2023-07-28
• 發明（設計）人: 陳紅松;陳京九
• 申請（專利權）人: 北京科技大學
• 主分類號: G06V10/82
• 分類號: G06V10/82;G06V30/19;G06V30/226;G06N3/0464;G06N3/044;G06N3/045;G06N3/08
• 代理公司: 北京市廣友專利事務所有限責任公司 11237
• 代理人: 張仲波

1.一種面向多特征圖的異構深度神經網絡結構組合方法，應用于圖像處理，其特征在于，所述面向多特征圖的異構深度神經網絡結構組合方法包括：

獲取前置神經網絡的輸出模塊輸出的特征子圖；

對所述特征子圖進行拼接操作，得到拼接特征圖；

將所述拼接特征圖輸出至后置神經網絡的輸入模塊；

所述后置神經網絡為循環神經網絡或卷積神經網絡；

當所述后置神經網絡為卷積神經網絡時，所述對所述特征子圖進行拼接操作，得到拼接特征圖的過程，包括：

設橫向拼接參數為x，則縱向拼接參數y＝c/x；其中，x為[1,c]之間的整數，且滿足c可整除x，c為所述特征子圖的個數；

將[1，x]，[x+1，2x]，…，[c-x+1，c]各區間的特征子圖進行橫向拼接，得到y個寬度為w*x，高度為h的橫向拼接特征子圖；其中，w為所述特征子圖的寬度，h為所述特征子圖的高度；

將y個橫向拼接特征子圖按順序進行縱向拼接，得到一個寬度為w*x，高度為h*y的拼接特征圖。

2.如權利要求1所述的面向多特征圖的異構深度神經網絡結構組合方法，其特征在于，所述前置神經網絡為循環神經網絡或卷積神經網絡。

3.如權利要求1所述的面向多特征圖的異構深度神經網絡結構組合方法，其特征在于，當所述后置神經網絡為循環神經網絡時，所述對所述特征子圖進行拼接操作，得到拼接特征圖的過程，包括：

判斷所述后置神經網絡的輸入模塊的輸入層神經元個數W是否為所述特征子圖的寬度w的整數倍；

若W是w的整數倍，則計算橫向拼接參數x＝W/w，縱向拼接參數y＝c/x；其中，c為所述特征子圖的個數；

將[1,x],[x+1,2x],…,[c-x+1,c]各區間特征子圖進行橫向拼接，得到y個寬度為w*x，高度為h的橫向拼接特征子圖；其中，h為所述特征子圖的高度；

將y個橫向拼接特征子圖按順序進行縱向拼接，得到一個寬度為w*x，高度為h*y的拼接特征圖。

4.一種面向多特征圖的異構深度神經網絡結構組合系統，應用于圖像處理，其特征在于，所述面向多特征圖的異構深度神經網絡結構組合系統包括：

特征子圖獲取模塊，用于獲取前置神經網絡的輸出模塊輸出的特征子圖；

特征子圖拼接模塊，用于對所述特征子圖進行拼接操作，得到拼接特征圖；

拼接特征圖輸出模塊，用于將拼接特征圖輸至后置神經網絡的輸入模塊；

所述后置神經網絡為循環神經網絡或卷積神經網絡；

若后置神經網絡為卷積神經網絡，所述特征子圖拼接模塊用于：

設橫向拼接參數為x，則縱向拼接參數y＝c/x；其中，x為[1,c]之間的整數，且滿足c可整除x，c為所述特征子圖的個數；

將[1，x]，[x+1，2x]，…，[c-x+1，c]各區間的特征子圖進行橫向拼接，得到y個寬度為w*x，高度為h的橫向拼接特征子圖；其中，w為所述特征子圖的寬度，h為所述特征子圖的高度；

將y個橫向拼接特征子圖按順序進行縱向拼接，得到一個寬度為w*x，高度為h*y的拼接特征圖。

5.如權利要求4所述的面向多特征圖的異構深度神經網絡結構組合系統，其特征在于，所述前置神經網絡為循環神經網絡或卷積神經網絡。

6.如權利要求4所述的面向多特征圖的異構深度神經網絡結構組合系統，其特征在于，若后置神經網絡為循環神經網絡，特征子圖拼接模塊用于：

判斷所述后置神經網絡的輸入模塊的輸入層神經元個數W是否為所述特征子圖的寬度w的整數倍；

若W是w的整數倍，則計算橫向拼接參數x＝W/w，縱向拼接參數y＝c/x；其中，c為所述特征子圖的個數；

將[1,x],[x+1,2x],…,[c-x+1,c]各區間特征子圖進行橫向拼接，得到y個寬度為w*x，高度為h的橫向拼接特征子圖；其中，h為所述特征子圖的高度；

將y個橫向拼接特征子圖按順序進行縱向拼接，得到一個寬度為w*x，高度為h*y的拼接特征圖。