[發明專利]一種基于高階統計量的特征圖處理方法、終端及存儲介質

在審

• 申請號: 202011205903.5
• 申請日: 2020-11-02
• 公開（公告）號: CN112434704A
• 公開（公告）日: 2021-03-02
• 發明（設計）人: 戴濤;呂亞蕾;夏樹濤;陳斌;李偉超
• 申請（專利權）人: 鵬城實驗室;清華大學深圳國際研究生院
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06N3/08
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 陳專

1.一種基于高階統計量的特征圖處理方法，其特征在于，所述方法包括：

分別計算待處理特征圖的各個通道對應的統計量數值，其中，所述統計量包括至少一個高階統計量；

將所述待處理特征圖輸入至預先訓練完成的第一神經網絡，通過所述第一神經網絡獲取第一參數集合，其中，所述第一參數集合中包括多個第一參數，每個第一參數為所述待處理特征圖分別與各個所述統計量的相關性分數；

根據各個所述第一參數和所述統計量數值分別獲取所述待處理特征圖的各個通道的注意力權重；

根據各個所述注意力權重對所述待處理特征圖的各個通道進行處理，獲取目標特征圖。

2.根據權利要求1所述的基于高階統計量的特征圖處理方法，其特征在于，所述統計量包括一階統計量、二階統計量、三階統計量和四階統計量。

3.根據權利要求2所述的基于高階統計量的特征圖處理方法，其特征在于，所述分別計算通道對應的統計量數值，包括：

根據預設公式分別獲取所述統計量數值；

其中，所述預設公式為：

其中，z_1,c表示待處理特征圖U的第c個通道的一階統計量數值，z_2,c表示待處理特征圖U的第c個通道的二階統計量數值，z_3,c表示待處理特征圖U的第c個通道的三階統計量數值，z_4,c表示待處理特征圖U的第c個通道的四階統計量數值，u_c(i,j)是特征圖U的第c個通道中坐標為(i,j)的特征點的特征值，μ_c是特征圖U的第c個通道中所有特征值的均值，σ_c是特征圖U的第c個通道中所有特征值的均值標準差，E是均值操作。

4.根據權利要求1所述的基于高階統計量的特征圖處理方法，其特征在于，所述通過所述第一神經網絡獲取第一參數集合，包括：

將所述待處理特征圖輸入至所述第一神經網絡中的第一模塊，獲取所述第一模塊輸出的第二參數集合，其中，所述第二參數集合中包括多個第二參數；

對各個所述第二參數采樣離散變量，獲取各個所述第一參數。

5.根據權利要求1所述的基于高階統計量的特征圖處理方法，其特征在于，所述根據各個所述第一參數和所述統計量數值分別獲取所述待處理特征圖的各個通道的注意力權重，包括：

根據各個所述統計量分別對應的所述第一參數對每個通道的所述統計量數值進行加權求和，得到各個通道分別對應的第三參數；

根據各個所述第三參數獲取各個所述注意力權重；

其中，所述注意力權重的取值范圍為[0,1]。

6.根據權利要求5所述的基于高階統計量的特征圖處理方法，其特征在于，所述根據各個所述第三參數獲取各個所述注意力權重，包括：

將各個所述第三參數輸入至所述第一神經網絡的第二模塊，獲取所述第二模塊輸出的所述注意力權重。

7.根據權利要求1所述的基于高階統計量的特征圖處理方法，其特征在于，所述根據各個所述注意力權重對所述待處理特征圖的各個通道進行處理，包括：

將通道對應的所述注意力權重乘以通道的特征值。

8.根據權利要求1-7任一項所述的基于高階統計量的特征圖處理方法，其特征在于，所述第一神經網絡是根據多組訓練數據訓練完成的，每組訓練數據包括樣本圖像以及樣本圖像對應的樣本目標圖像。

9.一種終端，其特征在于，所述終端包括：處理器、與處理器通信連接的存儲介質，所述存儲介質適于存儲多條指令，所述處理器適于調用所述存儲介質中的指令，以執行實現上述權利要求1-8任一項所述的基于高階統計量的特征圖處理方法的步驟。

10.一種存儲介質，其特征在于，所述存儲介質存儲有一個或者多個程序，所述一個或者多個程序可被一個或者多個處理器執行，以實現如權利要求1-8任一項所述的基于高階統計量的特征圖處理方法的步驟。