[發明專利]一種并行多元特征處理方法及系統

在審

• 申請號: 202210540082.3
• 申請日: 2022-05-18
• 公開（公告）號: CN114943949A
• 公開（公告）日: 2022-08-26
• 發明（設計）人: 楊大偉;王萌;毛琳;張汝波
• 申請（專利權）人: 大連民族大學
• 主分類號: G06V20/58
• 分類號: G06V20/58;G06V10/764;G06V10/77;G06N3/04;G06N3/08
• 代理公司: 大連智高專利事務所(特殊普通合伙) 21235
• 代理人: 蓋小靜

1.一種并行多元特征處理方法，其特征在于，包括：

獲取輸入圖像其中n∈Z⁺，Z⁺是正整數，c為通道數，h、w為特征尺寸；對所述輸入圖像進行包含標準空間卷積層和非線性激活函數處理的下采樣操作，得到四維特征向量

所述四維特征向量依次經過尺度縮放層、標準一維卷積層處理，得到四維屬性特征向量

所述四維特征向量依次經過標準空間卷積層A、多層殘差單元、尺度縮放層、標準空間卷積層B的對稱支路處理，得到四維具象特征向量

將所述四維具象特征向量和四維屬性特征向量相乘，得到篩選對比后的四維特征向量用于校正四維具象特征向量和四維屬性特征向量配對過程中產生的偏差；

將所述四維特征向量與篩選對比后的四維特征向量相加得到四維融合特征向量然后進行上采樣操作，得到輸出結果{Y₁^c×2h×2w,...,Y₁^c×2h×2w}。

2.根據權利要求1所述一種并行多元特征處理方法，其特征在于，對所述輸入圖像進行包含標準空間卷積層和非線性激活函數處理的下采樣操作，具體為：使用卷積核M^c×3×3的標準空間卷積層提取所述輸入圖像中的四維特征向量公式為：

其中為卷積過程，每個矩陣表示一個3×3大小的特征向量；

將輸出的特征向量使用非線性激活函數處理，當激活處理的特征值小于或等于0時，激活函數輸出值為0，如式(2)所示；反之，激活函數輸出值與輸入值相同時，如式(3)所示：

其中，函數A(·)為激活函數。

3.根據權利要求2所述一種并行多元特征處理方法，其特征在于，所述四維特征向量依次經過尺度縮放層、標準一維卷積層處理，得到四維屬性特征向量具體為：

使用尺度縮放層對每一單位特征向量均值化處理，獲得四維特征向量公式為：

其中，F₁(·)為尺度縮放過程函數，此步驟選用全局最大池化函數對特征向量進行尺度縮小，M^c×2×2為k＝2的卷積核對特征逐像素操作，選取最大值并輸出；

對四維特征向量使用標準一維卷積層逐個特征通道進行處理，得到四維屬性特征向量公式為：

其中，F₂(·)為標準一維卷積處理過程函數，選用k＝1的卷積核進行操作。

4.根據權利要求2所述一種并行多元特征處理方法，其特征在于，所述四維特征向量依次經過標準空間卷積層A、多層殘差單元、尺度縮放層、標準空間卷積層B的對稱支路處理，得到四維具象特征向量具體為：

使用標準空間卷積層A處理四維特征向量加深網絡的同時增強特征向量非線性，從而提升對于不同位置空間結構信息的提取，輸出四維特征向量公式為：

其中，k為卷積核大小，k∈{1,3,5}；

使用多層殘差單元處理四維特征向量公式為：

其中，F(·)為單層殘差單元過程函數，ω₃為權值矩陣；

使用尺度縮放層處理四維特征向量并輸出具備識別多尺度目標和空間結構的四維特征向量公式為：

其中，F_S(·)為具象特征提取單元中尺度縮放層，包含使用步長s＝2的標準空間卷積和標準空間反卷積對其進行尺度縮小和放大處理；

使用步長s＝1的標準空間卷積層B處理四維特征向量在不引入額外參數的情況下，實現實例特征中不同目標空間結構的分類和精確傳遞，輸出四維特征向量公式為：

其中，M^c×k×k為卷積核大小為k，k∈{1,3,5}。

5.根據權利要求4所述一種并行多元特征處理方法，其特征在于，將所述四維具象特征向量和四維屬性特征向量相乘，得到篩選對比后的四維特征向量具體為：

其中，為權值矩陣，×表示特征矩陣相乘。