[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

本發明公開了一種并行多元特征處理方法及系統，屬于深度學習圖像處理領域。其方法包括獲取輸入圖像；對所述輸入圖像進行下采樣操作，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；將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。本發明能夠以多視角、并行方式學習同一特征向量中蘊含的不同類型特征分量之間內在關聯。

技術領域

本發明涉及深度學習圖像處理技術領域，具體涉及一種并行多元特征處理方法及系統。

背景技術

深度學習網絡作為特征處理和傳遞的主要技術手段，不僅決定著輸出性能能否達到預期目標，更關系到系統的實際應用效果。由于應用不同，特征分量從內容、屬性上都趨于復雜，現有網絡難以實現特征分量的精確拆分和重組，使得特征分量精確提取和融合陷入“選擇困境”，導致性能提升受阻。當前方法大多從某一具體問題出發，設計專屬模塊和網絡優化過程，缺乏對深度學習領域特征提取方法的有效整合，難以實現特征分量準確提取和有效加工。由此，增強深度學習網絡對于特征元素的深度解析能力，實現不同特征分量精確拆分和傳遞具有重大意義，不僅關乎人工智能領域的探索進程，更能促進深度學習各領域的結構應用任務的良性發展。

風格遷移方面，名稱為一種多路并行圖像內容特征優化風格遷移方法及系統，公開號為CN113284042A的發明專利申請提出一種特征優化單元，能夠在保持多通道特征完整傳遞的基礎上，融合多條支路中傳遞的單一特征通道的圖像內容特征，提取深度內容特征信息，從而加強深度特征表達能力。名稱為一種基于潛變量特征生成的圖像多風格轉化方法，公開號為CN11099225A的發明專利申請在多模態無監督圖像轉換網絡基礎上，設計風格編碼生成器對圖像的風格編碼進行擬合，同時在內容編碼和風格編碼之間引入跳躍連接，在風格編碼中引入注意力機制，提高了圖像多風格轉換的質量和多樣性。名稱為“訓練GAN來解釋風格空間中的分類器”的文章發現圖像分類模型可以依賴于圖像的多個不同語義屬性，它通過訓練生成模型來決策風格特征的特定屬性生成，能夠完成細節紋理及邊緣輪廓信息的精確傳遞。名稱為“多領域圖像翻譯的統一框架生成對抗網絡”的文章提出一種掩碼向量方法，使其能夠控制所有可用的域標簽，從而指導內容和風格特征的精確傳遞。在其基礎上，名稱為“多領域多種圖像合成網絡”的文章，將域標簽用特定域的風格特征代替，實現風格的多樣性和可擴展性映射。

圖像分割方面，名稱為圖像的雙金字塔多元特征提取網絡、圖像分割方法、系統和介質，公開號為CN113537004A的發明專利申請提出一種雙金字塔多元特征提取網絡，由實例特征金字塔和語義特征金字塔組成，解決了傳統特征提取方法無法滿足多線程任務的特征需求問題，能夠為目標識別任務提供詳細的實例目標特征信息，為語義分析任務提供豐富的語義邏輯特征信息，極大程度地提高全景分割精度。名稱為基于高低頻強化的全景圖像分割方法、計算機系統和介質，公開號為CN113592790A的發明專利申請提出一種高低頻強化的全景分割方法，通過調整輸入特征維度實現輸入圖像中高頻和低頻特征分量精確分離。在特征分量前向傳遞過程中以頻率需求為導向提取前背景特征，并通過強化前背景特征的頻域顯著性差異增強場景分析和理解過程，有效提升全景分割任務中前背景區分精度。名稱為基于語義匹配的藏式建筑彩繪線稿圖上色方法及裝置，公開號為CN114299184A的發明專利申請提出一種線稿圖上色模型。通過預訓練語義分割網絡將彩繪線稿圖劃分為多個語義區域，指導預訓練圖像的顏色定位到建筑物的不同位置，從而精準實現精準著色，提升漸變色的模擬效果。