The invention relates to an image feature extraction method for a deep neural network, which includes convolution and pool processing of S1. to generate first feature images, in which the convolution layer of convolution processing is n group, and the pool layer of the pool processing is n 1 layers; S2. is the first set of expansion of the first feature image. The convolution processing generates second feature images, and the first feature image is pooled to generate third feature images; S3. splices the third feature images with the second feature images to generate fourth feature images. The expansion convolution operation of the original image enlarges the visual field, ensures the rich image features in the first feature image of the output, and reduces the loss of the image features due to the reduction in the resolution of the first feature image by the pool processing.
【技术实现步骤摘要】
一种用于深度神经网络的图像特征提取方法
本专利技术涉及一种图像处理方法,尤其涉及一种用于深度神经网络的图像特征提取方法。
技术介绍
随着科技的发展,计算机视觉的关注度不断提高,并且计算机视觉已经在多个领域进行应用。计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图像处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。因此,在计算机视觉首先需要对图像进行处理,即对输入的图像进行目标检测和分割。现有技术中,需要通过多个神经网络对图像分别进行目标检测和分割处理,在对目标检测和分割处理之前都需要对图像进行分别处理。现有技术中,都是基于得到区域建议框后,在建议框中进行多任务的目标检测和语义分割,实现全图特征提取后再进行多任务输出,由于信息不足不能得到工程上合理的结果,不能实现一个神经网络对图像处理的多任务输出的要求,使得神经网络的结构繁杂,导致图像处理的效率低。在交通运输领域,由于车辆行驶环境复杂,且现有技术的图像特征提取方法效率低或准确性差,导致计算机视觉的识别效率低,难以在实际中应运。
技术实现思路
本专利技术的目的在于提供一种用于深度神经网络的图像特征提取方法,解决图像特征提取准确性差的问题。为实现上述专利技术目的,本专利技术提供一种用于深度神经网络的图像特征提取方法,包括:S1.对原始图像进行卷积及池化处理生成第一特征图像,其中进行卷积处理的卷积层为n组,进行池化处理的池化层为n-1层;S2.对所述第一特征图像进行第一组扩张卷积处理生成第二特征图像,以及将所述第一特征图像 ...
【技术保护点】
一种用于深度神经网络的图像特征提取方法,包括:S1.对原始图像进行卷积及池化处理生成第一特征图像,其中进行卷积处理的卷积层为n组,进行池化处理的池化层为n‑1层;S2.对所述第一特征图像进行第一组扩张卷积处理生成第二特征图像,以及将所述第一特征图像进行池化处理生成第三特征图像;S3.将所述第三特征图像与所述第二特征图像进行拼接生成第四特征图像。
【技术特征摘要】
1.一种用于深度神经网络的图像特征提取方法,包括:S1.对原始图像进行卷积及池化处理生成第一特征图像,其中进行卷积处理的卷积层为n组,进行池化处理的池化层为n-1层;S2.对所述第一特征图像进行第一组扩张卷积处理生成第二特征图像,以及将所述第一特征图像进行池化处理生成第三特征图像;S3.将所述第三特征图像与所述第二特征图像进行拼接生成第四特征图像。2.根据权利要求1所述的图像特征提取方法,其特征在于,所述第三特征图像与所述第二特征图像的分辨相同。3.根据权利要求2所述的图像特征提取方法,其特征在于,对所述第一特征图像进行第一组扩张卷积处理生成第二特征图像的步骤中,所述第一组扩张卷积处理的扩张卷积处理次数为三次。4.根据权利要求3所述的图像特征提取方法,其特征在于,对原始图像进行卷积及池化处理生成第一特征图像的步骤中,进行卷积处理的卷积层为四组,进行池化处理的池化层为三层。5.根据权利要求4所述的图像特征提取方法,其特征在于,还包括:S4.对所述第四特征图像进行映射处理生成第五特征图像。6.根据权利要求5所述的图像特征提取方法,其特征在于,对原始图像进行卷积及池化处理生成第一特征图像的步骤包括:S11.将原始图像输入第一组卷积层进行第一组卷积处理;S12.将第一组卷积处理后生成的特征图像输入第一池化层进行第一次池化处理;S13.将第一次池化处理后生成的特征图像输入第二组卷积层进行第二组卷积处理;S14.将第二组卷积处理后生成的特征图像输入第二池化层进行第二次池化处理;S15.将第二次池化处理后生成的特征...
【专利技术属性】
技术研发人员:孙皓,王佛伟,胡振程,王艳明,
申请(专利权)人:维森软件技术上海有限公司,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。