[發(fā)明專利]一種用于圖像特征提取的融減自動編碼器算法

在審

• 申請?zhí)枺?/td>: 202011072934.8
• 申請日: 2020-10-09
• 公開（公告）號: CN112446415A
• 公開（公告）日: 2021-03-05
• 發(fā)明（設計）人: 魏本征;孫宇;徐云峰;張魁星;叢金玉
• 申請（專利權）人: 山東中醫(yī)藥大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 潘劍敏

本發(fā)明公開了一種用于圖像特征提取的融減自動編碼器算法，包括以下步驟：S1：將輸入信號增加隨機噪聲形成受損信號；S2：利用4組卷積和池化對受損信號進行特征提取及降維；S3：在特征提取過程中在第4特征層對第2特征層進行融合、在第5特征層對第3特征層進行融合；S4：在相互對稱的編碼第3特征層和解碼第1特征層之間計算均方誤差損失；并與恢復信號和輸入信號的均方誤差損失形成聯(lián)合重構損失，并將其一起進行優(yōu)化，通過融減自動編碼器中的融減網絡結構能夠建立特征層之間的聯(lián)系和提升解碼效率，同時該算法的聯(lián)合重構損失函數也能夠加強編碼和解碼階段對應層之間的聯(lián)系和避免模型早熟。

技術領域

本發(fā)明涉及圖像特征提取技術領域，具體為一種用于圖像特征提取的融減自動編碼器算法。

背景技術

目前現存的各種自動編碼器在特征提取部分主要是利用逐層卷積和池化進行特征提取和降維，在解碼恢復方面本質上都是根據各自的任務背景對損失函數其實施一定的松弛或限制以提高算法性能。但由于自動編碼器算法是基于無監(jiān)督學習原理，上述方法容易使得模型在訓練過程中更加難以收斂，并且在網絡初始化初期就會出現梯度爆炸或梯度消失的情況；同時，在圖像特征提取過程中仍存在特征提取過程中特征缺乏融合、信息損失過多以及模型容易早熟等問題。

基于此，本發(fā)明設計了一種用于圖像特征提取的融減自動編碼器算法，以解決上述提到的問題。

發(fā)明內容

本發(fā)明的目的在于提供一種用于圖像特征提取的融減自動編碼器算法，在自動編碼器的編碼階段建立特征層之間的聯(lián)系，在解碼階段提升了解碼效率和質量；設計的重構損失函數能夠用于特征層之間的優(yōu)化和避免模型早熟。

為實現上述目的，本發(fā)明提供如下技術方案：一種用于圖像特征提取的融減自動編碼器算法，包括建立融減網絡結構模型和聯(lián)合重構損失函數模型，

所述建立融減網絡結構模型包括以下步驟：

S1：將輸入信號增加隨機噪聲形成受損信號；

S2：利用4組卷積和池化對受損信號進行特征提取及降維；

S3：在特征提取過程中在第4特征層對第2特征層進行融合、在第5特征層對第3特征層進行融合；

所述建立聯(lián)合重構損失函數模型包括以下步驟：

S4：在相互對稱的編碼第3特征層和解碼第1特征層之間計算均方誤差損失；并與恢復信號和輸入信號的均方誤差損失形成聯(lián)合重構損失，并將其一起進行優(yōu)化。

與現有技術相比，本發(fā)明的有益效果是：本發(fā)明通過融減自動編碼器中的融減網絡結構能夠建立特征層之間的聯(lián)系和提升解碼效率，同時該算法的聯(lián)合重構損失函數也能夠加強編碼和解碼階段對應層之間的聯(lián)系和避免模型早熟。

附圖說明

為了更清楚地說明本發(fā)明實施例的技術方案，下面將對實施例描述所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。

圖1為本發(fā)明融減自動編碼器網絡結構框架圖；

圖2為本發(fā)明融減自動編碼器網絡參數表圖。

具體實施方式

下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領域普通技術人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其它實施例，都屬于本發(fā)明保護的范圍。

請參閱圖1-2，本發(fā)明提供一種技術方案：一種用于圖像特征提取的融減自動編碼器算法，包括建立融減網絡結構模型和聯(lián)合重構損失函數模型，

所述建立融減網絡結構模型包括以下步驟：