基于复值的图像特征提取方法技术

本发明专利技术公开了一种基于复值的图像特征提取方法，属于图像特征提取领域。为了使图像特征更具表现力，解决目前图像特征提取不够完善的问题，本发明专利技术包括：基于复数构建神经网络复值层；利用所述复制层构建用于特征提取的多个模块；将所述多个模块进行结合，利用结合后的模块进行图像特征提取。本发明专利技术基于现有神经网络结构，通过将复数引入数据表达，极大地提高了图像特征表示效果。

Image feature extraction method based on complex value

【技术实现步骤摘要】
基于复值的图像特征提取方法
本专利技术涉及图像特征提取领域，尤其涉及一种基于复值的图像特征提取方法。
技术介绍
如今，随着信息技术的不断创新，计算机视觉是十分重要的一个领域，而图像使计算机视觉的基础，为了更好的表达图像，优秀的图像特征提取方法是重中之重。复值网络(complex-valuenetwork)是一种基于复数的深度学习网络。目前，卷积神经网络(CNN)在特征和度量学习方面的巨大成就已经吸引了许多研究者。然而，绝大多数的深层网络体系结构都是基于实值来表示的。由于复值向量缺乏有效的模型和合适的距离，对复值网络的研究很少受到关注。研究表明，复数向量具有更丰富的表示能力。尽管深度学习在目标检测、图像分类和人脸识别等计算机视觉任务中颠覆了传统方法，但大多数成功的方法都集中在实数领域的探索，包括压缩模型、改进体系结构和完善损失。随着复值块的出现，对复值网络的初始化问题、批处理正规化问题和激活函数提出了新的解决方案。基于复值的深度学习越来越受到研究者的关注。在复值网络中，有可能使学习更容易，更好的一般化特征，并允许保留附加细节。在基本文档来自技高网...

【技术保护点】
1.基于复值的图像特征提取方法，其特征在于，包括如下步骤：/n步骤1、基于复数构建神经网络复值层；/n步骤2、利用所述复制层构建用于特征提取的多个模块；/n步骤3、将所述多个模块进行结合，利用结合后的模块进行图像特征提取。/n

【技术特征摘要】
1.基于复值的图像特征提取方法，其特征在于，包括如下步骤：
步骤1、基于复数构建神经网络复值层；
步骤2、利用所述复制层构建用于特征提取的多个模块；
步骤3、将所述多个模块进行结合，利用结合后的模块进行图像特征提取。


2.根据权利要求1所述的基于复值的图像特征提取方法，其特征在于，步骤1中，所述复值层包括复值BN层、复值激活函数层及复值卷积层；
所述复值BN层，用于分别对复数的实部和虚部做BN操作，使得该层能够对复数使用；
所述复值激活函数层，用于将进行BN操作的实部和虚部分别进行激活操作；
所述复值卷积层，用于对复值进行卷积，模拟实数卷积。


3.根据权利要求2所述的基于复值的图像特征提取方法，其特征在于，所述复值BN层用于使用协方差矩阵分别对复数的实部和虚部做BN操作；
所述复值激活函数，选用ReLU，即CReLU层，将进行BN操作的实部和虚部分别进行激活操作；
所述复值卷积层，使用一个复值卷积核进行操作，对复值进行卷积，模拟实数卷积。


4.根据权利要求2或3所述的基于复值的图像特征提取方法，其特征在于，在所述复值BN层中，R(x)和I(x)分别表示特征向量x的实部和虚部，并分别对实部和虚部采用了BN算法，其表达式如下：



其中，是整批X中当前样品的标准化，表示为当前样品即为特征向量x。


5.根据权利要求3所述的基于复值的图像特征提取方法，其特征在于，在所述CReLU层中，所述CReLU层的通过以下公式表示：
CReLU(x)＝ReLU(R(x))+iReLU(I(x))；
所述ReLU通过以下公式表示：
ReLU(x)＝max(0，x)
ReLU是个关于0的阈值函数，在输入值小于等于0的时候，为休眠状态，在输入值大于0时，是一个x＝y的线性函数。
...

【专利技术属性】
技术研发人员：赵太银，秦科，田玲，罗光春，魏文轩，刘江麟，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51