一种基于可变形卷积层的特征图像提取的方法及装置

• 摘要：

  本发明公开了一种基于可变形卷积层的特征图像提取的方法,所述方法包括获取目标图像;通过卷积层中卷积核的采样点从所述目标图像中提取像素值以得到特征图像,所述采样点的实际坐标值是根据预先设置的初始坐标值和预先训练的偏移变量计算得到的所述实际坐标值;该方法可以对卷积核中每个采样点增加一个偏移变量,从而使得卷积神经网络实现了学习图像空间几何形变的能力,可以使得卷积核在当前位置附近随意采样,增加了卷积层在提取特征图像时对于发生了形变的图像的适应性,从而会增加了对于发生形变的物体的识别精度;本发明还公开了一种基于可变形卷积神经网络的特征图像提取的装置,同样具有上述有益效果.

• 专利类型：

  发明专利

• 申请/专利号：

  CN201710660525.1

• 申请日期：

  2017.08.04

• 公开/公告号：

  CN107292319A

• 公开/公告日：

  2017-10-24

• 发明人：

  刘治 李家兴 章云

• 申请人：

  广东工业大学

• 主分类号：

  G06K9/46(2006.01)I,G,G06,G06K,G06K9

• 分类号：

  G06K9/46(2006.01)I,G06N3/04(2006.01)I,G06N3/08(2006.01)I,G,G06,G06K,G06N,G06K9,G06N3,G06K9/46,G06N3/04,G06N3/08

• 主权项：

  一种基于可变形卷积层的特征图像提取的方法,其特征在于,所述方法包括:获取目标图像;通过卷积层中卷积核的采样点从所述目标图像中提取像素值以得到特征图像,所述采样点的实际坐标值是根据预先设置的初始坐标值和预先训练的偏移变量计算得到的坐标值.