深度卷积神经网络有效感受野的计算方法及存储介质技术

本发明专利技术提供一种深度卷积神经网络有效感受野的计算方法及计算机存储介质，所述方法包括以下步骤：S1、获取目标图像，并计算目标图像的理论感受野，得到理论感受野的集合；S2、以所述理论感受野的尺寸在目标图像中生成子图像集；S3、以所述子图像集为运算区域，计算深度卷积神经网络每一层的输出响应，得到所述子图像集的响应值；S4、确定深度卷积神经网络每一层的所述响应值最大值的坐标，并根据该坐标计算有效感受野。根据本发明专利技术实施例的计算方法，能够有效提高SSD的目标检测精度和有效感受野的准确率，进一步增强深度卷积神经网络在视频图像检测和处理领域的应用效果。

【技术实现步骤摘要】
深度卷积神经网络有效感受野的计算方法及存储介质
本专利技术涉及深度卷积神经网络
，更具体地，涉及一种深度卷积神经网络有效感受野的计算方法及计算机存储介质。
技术介绍
感受野是指卷积神经网络每一层输出的特征图(featuremap)上的像素点在原始图像上映射的区域大小。研究感受野的相关理论和方法，量化深度卷积神经网络(DeepConvolutionalNeuralNetwork，DCNN)中每层的感受野大小，可以为目标检测等图像处理任务提供可靠的优化方向，对于提升目标检测的精度具有重要的意义。基于SSD(SingleShotMultiboxDetector)目标检测框架的深度卷积神经网络算法在视频图像处理领域的应用越来越广泛，因此，关于SSD感受野的研究逐渐受到关注。现有的关于感受野的研究成果主要包含以下几点：1.感受野的分类感受野分为理论感受野(TheoreticalReceptiveField，TRF)和有效感受野(EffectiveReceptiveField，ERF)，TRF可以根据DCNN的结构参数直接计算，而ER本文档来自技高网...

【技术保护点】
1.一种深度卷积神经网络有效感受野的计算方法，其特征在于，所述方法包括以下步骤：/nS1、获取目标图像，并计算目标图像的理论感受野，得到理论感受野的集合；/nS2、以所述理论感受野的尺寸在目标图像中生成子图像集；/nS3、以所述子图像集为运算区域，计算深度卷积神经网络每一层的输出响应，得到所述子图像集的响应值；/nS4、确定深度卷积神经网络每一层的所述响应值最大值的坐标，并根据该坐标计算有效感受野。/n

【技术特征摘要】
1.一种深度卷积神经网络有效感受野的计算方法，其特征在于，所述方法包括以下步骤：
S1、获取目标图像，并计算目标图像的理论感受野，得到理论感受野的集合；
S2、以所述理论感受野的尺寸在目标图像中生成子图像集；
S3、以所述子图像集为运算区域，计算深度卷积神经网络每一层的输出响应，得到所述子图像集的响应值；
S4、确定深度卷积神经网络每一层的所述响应值最大值的坐标，并根据该坐标计算有效感受野。


2.根据权利要求1所述的方法，其特征在于，在步骤S1之前，获取输入数据集Ui，Ui∈RH×W×3,i＝1,LN。


3.根据权利要求2所述的方法，其特征在于，在步骤S1中，根据公式(1)逐层计算深度卷积神经网络的尺寸，得到理论感受野的集合公式(1)如下：



其中，第i层的TRF大小为Hi×Wi，Si为输入图像尺寸与第i层特征图尺寸的比例，Di为卷积核的膨胀系数，Ki为卷积核的大小。


4.根据权利要求3所述的方法，其特征在于，在步骤S2中，按照深度卷积神经网络中每一层的Ti的尺寸生成掩膜以步长stride对每一张输入图片Ui进行掩膜操作，生成一个子图像集Pj∈RH×W×3,j＝1,LM。


5.根据权利要求4所述的方法，其特征在于，步骤S3包括：
S31、将所述子图像集输...

【专利技术属性】
技术研发人员：王祥雪，毛亮，朱婷婷，林焕凯，魏颖慧，黄仝宇，汪刚，宋一兵，侯玉清，刘双广，
申请(专利权)人：高新兴科技集团股份有限公司，
类型：发明
国别省市：广东;44