一种基于全局相似度的深度网络特征改进方法
公开
摘要
本发明提供了一种基于全局相似度的深度网络特征改进方法，包括：将输入图像划分成网格状图像块，基于输入特征张量获取图像块的特征张量；对两特征通道数进行精简；对两特征张量进行变维，得到特征矩阵；基于特征矩阵，在每个像素点特征和每个图像块特征之间计算相似度；对相似度进行归一化得到相似度权重；为每个像素点计算加权特征，进行矩阵变维，得到加权特征张量；将加权特征张量中精简的特征通道数变成初始的特征通道数；计算改进后的特征张量。本发明基于像素点和图像块之间的两两相似度对深度网络的输入特征进行改进，充分考虑到整个图像上不同区域间特征的依赖关系，有助于提高深度网络特征的表达能力，改进深度网络在图像识别上的性能。
基本信息
专利标题 ：
一种基于全局相似度的深度网络特征改进方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114299298A
申请号 ：
CN202111645024.9
公开（公告）日 ：
2022-04-08
申请日 ：
2021-12-29
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
张金霞魏海坤张侃健陈丽萍周敏
申请人 ：
东南大学
申请人地址 ：
江苏省南京市麒麟科创园智识路26号启迪城立业园04幢
代理机构 ：
南京众联专利代理有限公司
代理人 ：
叶涓涓
优先权 ：
CN202111645024.9
主分类号 ：
G06V10/40
IPC分类号 ：
G06V10/40 G06V10/74 G06V10/776 G06V10/82 G06K9/62 G06N3/04
法律状态
2022-04-08 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
