一种图像处理方法、终端、系统以及计算机可读存储介质技术方案

一种图像处理方法、终端、系统以及及计算机可读存储介质，其中，所述方法包括：获取神经网络输出的多张特征图，并将所述多张特征图分成至少两个分组，所述至少两个分组中的每一个分组包括至少一张特征图，所述至少两个分组中的任意两个分组包括的特征图不相同；分别计算每一组特征图对应的特征向量；将计算得到的多个特征向量进行池化，得到所述多张特征图对应的特征向量。通过本发明专利技术实施例可以基于分组对特征图进行池化，分组使得每一组的特征图数量较少，有效减少每一组的计算量，分组并行计算可以有效提高池化效率。

【技术实现步骤摘要】
【国外来华专利技术】一种图像处理方法、终端、系统以及计算机可读存储介质
本专利技术涉及数据处理
，尤其涉及一种图像处理方法、终端、系统以及计算机可读存储介质。
技术介绍
近年来，卷积神经网络已经广泛应用于各个领域，尤其在图像分类应用中具有很好的分类效果。如何将卷积神经网络输出的一组特征图T进行池化，进而得到有辨别性的特征向量是当前的研究热点。由于卷积神经网络输出的一组特征图T的数量C一般都非常大，通常在几千的数量级，直接对该组特征图进行池化则会占用大量计算资源，池化效率低。目前，在对该组特征图进行池化之前，首先依次使用CLOW(CLOW通常在101-102数量级，CLOW远小于C)个1*1卷积、批规范化层、整流线性单元三层，将该组特征图T转换为低数量级的一组特征图T’。然后对转换得到的低数量级的一组特征图T’进行池化得到特征向量。但上述方式只适用于该组特征图T可以由其中少量的特征图线性表示的情况，对于该组特征图T不可以由其中少量的特征图线性表示的情况则不适用。并且上述方式引入了额外的参数CLOW个1*1卷积、批规范化层和整流线性单元，会占据额本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，所述方法包括：/n获取多张特征图，并将所述多张特征图分成至少两个分组，所述至少两个分组中的每一个分组包括至少一张特征图，所述至少两个分组中的任意两个分组包括的特征图不相同；/n分别计算每一组特征图对应的特征向量；/n将计算得到的多个特征向量进行池化，得到所述多张特征图对应的特征向量。/n

【技术特征摘要】
【国外来华专利技术】1.一种图像处理方法，其特征在于，所述方法包括：
获取多张特征图，并将所述多张特征图分成至少两个分组，所述至少两个分组中的每一个分组包括至少一张特征图，所述至少两个分组中的任意两个分组包括的特征图不相同；
分别计算每一组特征图对应的特征向量；
将计算得到的多个特征向量进行池化，得到所述多张特征图对应的特征向量。


2.根据权利要求1所述的方法，其特征在于，所述至少两个分组中的每一个分组包括的特征图的数量相同。


3.根据权利要求1或2所述的方法，其特征在于，所述分别计算每一组特征图对应的特征向量，包括：
计算目标分组的特征图对应的协方差矩阵的α次幂，得到目标矩阵，所述目标分组为所述至少两个分组中的任意一个，所述α为正有理数；
根据所述目标矩阵确定所述目标分组的特征图对应的特征向量。


4.根据权利要求3所述的方法，其特征在于，所述计算目标分组的特征图对应的协方差矩阵的α次幂，得到目标矩阵，包括：
获取目标分组的特征图对应的三维张量；
将所述三维张量中的第一维度的元素和第二维度的元素进行合并，得到二维张量，所述第一维度为所述三维张量中的行方向对应的维度，所述第二维度为所述三维张量中的列方向对应的维度；
计算所述二维张量对应的协方差矩阵，并计算所述协方差矩阵的α次幂，得到目标矩阵。


5.根据权利要求3所述的方法，其特征在于，所述α为0.5。


6.根据权利要求3所述的方法，其特征在于，所述根据所述目标矩阵确定所述目标分组的特征图对应的特征向量，包括：
获取所述目标矩阵中的目标元素，所述目标元素为所述目标矩阵中位于上三角位置或者下三角位置的元素；
根据所述目标元素在所述目标矩阵中的位置，对所述目标元素进行排列，生成所述目标分组的特征图对应的特征向量。


7.根据权利要求1所述的方法，其特征在于，所述将计算得到的多个特征向量进行池化，得到所述多张特征图对应的特征向量，包括：
获取目标特征向量对应的第一向量和第二向量，所述目标特征向量为计算得到的多个特征向量中的任意一个；
根据所述第一向量确定第一矩阵，并根据所述第二向量确定第二矩阵；
根据所述第一矩阵以及所述第二矩阵，确定所述多张特征图对应的特征向量。


8.根据权利要求7所述的方法，其特征在于，所述第一向量中包括与所述目标特征向量中的元素对应的第一元素，所述第一向量中除所述第一元素之外的元素取值为0；所述第二向量中与所述第一元素对应的第二元素取值为1，所述第二向量中除所述第二元素之外的元素取值为0。


9.根据权利要求7所述的方法，其特征在于，所述第一矩阵中的一列元素对应一个第一向量，所述第二矩阵中的一列元素对应一个第二向量。


10.根据权利要求7至9中任一项所述的方法，其特征在于，所述根据所述第一矩阵以及所述第二矩阵，确定所述多张特征图对应的特征向量，包括：
分别计算所述第一矩阵每一行中的第三元素的平均值，并根据计算得到的各行中的第三元素的平均值，生成所述多张特征图对应的特征向量；
其中，所述第三元素为所述第一矩阵中与所述第二矩阵中的非零元素对应的元素。


11.根据权利要求7至9中任一项所述的方法，其特征在于，所述根据所述第一矩阵以及所述第二矩阵，确定所述多张特征图对应的特征向量，包括：
分别计算所述第一矩阵每一行中的第三元素的和，并根据计算得到的各行中的第三元素的和，生成所述多张特征图对应的特征向量；
其中，所述第三元素为所述第一矩阵中与所述第二矩阵中的非零元素对应的元素。


12.根据权利要求7至9中任一项所述的方法，其特征在于，所述根据所述第一矩阵以及所述第二矩阵，确定所述多张特征图对应的特征向量，包括：
分别计算所述第一矩阵每一行中的第三元素的乘积，并根据计算得到的各行中的第三元素的乘积，生成所述多张特征图对应的特征向量；
其中，所述第三元素为所述第一矩阵中与所述第二矩阵中的非零元素对应的元素。


13.根据权利要求7至9中任一项所述的方法，其特征在于，所述根据所述第一矩阵以及所述第二矩阵，确定所述多张特征图对应的特征向量，包括：
分别获取所述第一矩阵每一行中的第三元素中的最大值或者最小值，并根据获取到的各行中的第三元素中的最大值或者最小值，生成所述多张特征图对应的特征向量；
其中，所述第三元素为所述第一矩阵中与所述第二矩阵中的非零元素对应的元素。


14.一种终端，其特征在于，包括：存储器和处理器，
所述存储器，用于存储程序指令；
所述处理器，用于执行所述存储器存储的程序指令，当所述程序指令被执行时，所述处理器用于：
获取多张特征图，并将所述多张特征图分成至少两个分组，所述至少两个分组中的每一个分组包括至少一张特征图，所述至少两个分组中的任意两个分组包括的特征图不相同；
分别计算每一组特征图对应的特征向量；
将计算得到的多个特征向量进行池化，得到所述多张特征图对应的特征向量。


15.根据权利要求14所述的终端，其特征在于，所述至少两个分组中的每一个分组包括的特征图的数量相同。


16.根据权利要求14或15所述的终端，其特征在于，所述处理器分别计算每一组特征图对应的特征向量时，具体用于：
计算目标分组的特征图对应的协方差矩阵的α次幂，得到目标矩阵，所述目标分组为所述至少两个分组中的...

【专利技术属性】
技术研发人员：李力达，曹子晟，胡攀，
申请(专利权)人：深圳市大疆创新科技有限公司，
类型：发明
国别省市：广东;44