特征图处理方法、图像处理方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110852348A(43)申请公布日2020.02.28(21)申请号201910993001.3(22)申请日2019.10.18(71)申请人北京迈格威科技有限公司地址100190北京市海淀区科学院南路2号融科资讯中心A座316-318(72)发明人马宁宁(74)专利代理机构北京钲霖知识产权代理有限公司11722代理人李志新田飞飞(51)Int.Cl.G06K9/62(2006.01)G06N3/04(2006.01)权利要求书2页说明书8页附图4页(54)发明名称特征图处理方法、图像处理方法及装置(57)摘要本公开提供了特征图处理方法、图像处理方法及装置。其中特征图处理方法包括：获取次级特征图；基于次级特征图，通过池化得到个性参数；基于个性参数，通过参数神经网络得到与每个卷积层一一对应的个性指导参数；基于个性指导参数，调整对应的每个卷积层的权重，得到每个卷积层对应的个性权重；基于次级特征图，通过具有个性权重的每个卷积层，得到高级特征图。本公开通过设置与卷积神经网络对应的参数神经网络，针对输入的不同特征图并利用层级之间的联系，生成不同的个性权重，每个特征图通过根据各自特点生成的个性权重进行特征提取，从而提高了结果的精度。CN110852348ACN110852348A权利要求书1/2页1.一种特征图处理方法，其中，所述方法包括：获取次级特征图；基于所述次级特征图，通过池化得到个性参数；基于所述个性参数，通过参数神经网络得到与每个卷积层一一对应的个性指导参数；基于所述个性指导参数，调整对应的所述每个卷积层的权重，得到每个所述卷积层对应的个性权重；基于所述次级特征图，通过具有所述个性权重的每个卷积层，得到高级特征图。2.根据权利要求1所述的方法，其中，所述基于所述个性参数，通过参数神经网络得到与每个卷积层一一对应的个性指导参数，还包括：根据卷积层的类型，设置对应的参数调整层；根据卷积层的顺序，依次连接所述参数调整层得到所述参数神经网络。3.根据权利要求2所述的方法，其中，所述根据卷积层的顺序，依次连接所述参数调整层得到所述参数神经网络，包括：根据M层所述卷积层的顺序，依次连接第1参数调整层至第M参数调整层，M为大于1的自然数；所述基于所述个性参数，通过参数神经网络得到与每个卷积层一一对应的个性指导参数，包括：第m参数调整层根据输入参数，得到对应卷积层的个性指导参数，且，当m＝1时，第1参数调整层的输入参数为所述个性参数，当m＞1时，第m参数调整层的输入参数根据第m-1参数调整层的个性指导参数得到，其中m为自然数且m≤M。4.根据权利要求3所述的方法，其中，所述根据卷积层的类型，设置对应的参数调整层，包括：若卷积层为点卷积层，则设置对应的点卷积参数调整层；所述基于所述个性参数，通过参数神经网络得到与每个卷积层一一对应的个性指导参数，包括：根据所述点卷积参数调整层的所述输入参数，通过所述点卷积参数调整层，得到所述点卷积层的含有所述次级特征图信息的个性指导参数。5.根据权利要求3所述的方法，其中，所述根据卷积层的类型，设置对应的参数调整层，包括：若卷积层为深度可分离卷积层，则设置对应的深度可分离卷积参数调整层；所述基于所述个性参数，通过参数神经网络得到与每个卷积层一一对应的个性指导参数，包括：根据所述深度可分离参数调整层的所述输入参数，通过所述深度可分离卷积参数调整层，得到所述深度可分离卷积层的含有所述次级特征图信息的个性指导参数。6.根据权利要求3所述的方法，其中，所述基于所述个性参数，通过参数神经网络得到与每个卷积层一一对应的个性指导参数，还包括：通过对所述输入参数进行矩阵变化，经激活函数进行非线性变换，得到所述个性指导参数。7.根据权利要求1-6任一项所述的方法，其中，所述池化为全局平均池化。8.一种图像处理方法，包括：获取图像；根据权利要求1-7任一项所述的特征图处理方法，提取所述图像的图像特征；根据所述图像特征进行图像识别。9.一种特征图处理装置，其中，所述装置包括：2CN110852348A权利要求书2/2页获取特征图模块，用于获取次级特征图；参数生成模块，用于基于所述次级特征图，通过池化得到个性参数；参数调整模块，用于基于所述个性参数，通过参数神经网络得到与每个卷积层一一对应的个性指导参数；权重调整模块，用于基于所述个性指导参数，调整对应的所述每个卷积层的权重，得到每个所述卷积层对应的个性权重；特征提取模块，基于所述次级特征图，通过具有所述个性权重的每个卷积层，得到高级特征图。10.一种图像处理装置，其中，所述图像处理装置包括：图像获取模块，用于获取图像；特征提取模块，用于根据权利要求1-7任一项所述的特征图处理方法，提取所述图像的图像特征