一种用于图像特征提取的联合融减自动编码器算法制造技术

本发明专利技术公开了一种用于图像特征提取的联合融减自动编码器算法，包括建立联合融减网络结构模型和分解重构损失函数模型，S1：利用卷积和池化操作对受损信号进行特征提取及降维；S2：对于每个卷积层均使用Relu函数作为激活函数，以及对每层池化后的特征进行局部响应归一化；S3：在特征提取过程中在第3特征层对第1特征层进行融合，在第4特征层对第2特征层进行融合；S4：模型将原本应与编码器对称的4层解码层精简到2层，使得整个模型网络规模由8层减少到6层；S5：模型再相互对称的编码层和解码层之间计算均方误差损失，并联合重构误差损失函数按照0.2：0.8比例形成多重构损失，一并进行优化。

【技术实现步骤摘要】
一种用于图像特征提取的联合融减自动编码器算法
本专利技术涉及图像特征提取
，具体为一种用于图像特征提取的联合融减自动编码器算法。
技术介绍
传统自动编码器主要由编码器、解码器和隐含层三部分构成，编码器主要是对输入信息进行特征提取，解码器是对特征进行解码恢复，隐含层利用恢复信号和输入信号间的重构损失函数对特征进行优化。现有自动编码器虽已在特征提取方面取得了一定进展，但在编码过程中存在特征缺乏融合、在解码过程中产生棋盘效应和逐层上采样引起模型效率低下，以及损失函数过早最优化导致模型早熟等问题。基于此，本专利技术设计了一种用于图像特征提取的联合融减自动编码器算法，以解决上述提到的问题。
技术实现思路
本专利技术的目的在于提供一种用于图像特征提取的联合融减自动编码器算法，在编码阶段提升特征表达能力，在解码阶段精简解码网络结构和提升解码效率；在降低模型整体的参数量的同时，更好地优化模型所提取的目标特征和避免模型早熟。为实现上述目的，本专利技术提供如下技术方案：一种用于图像特征提取的联合融减自动编码器算法，包括建立联合融减本文档来自技高网...

【技术保护点】
1.一种用于图像特征提取的联合融减自动编码器算法，其特征在于：包括建立联合融减网络结构模型和分解重构损失函数模型，/n所述建立联合融减网络结构模型包括以下步骤：/n编码阶段：/nS1：利用卷积和池化操作对受损信号进行特征提取及降维；/nS2：对于每个卷积层均使用Relu函数作为激活函数，以及对每层池化后的特征进行局部响应归一化；/nS3：在特征提取过程中在第3特征层对第1特征层进行融合，在第4特征层对第2特征层进行融合；/n解码阶段：/nS4：模型将原本应与编码器对称的4层解码层精简到2层，使得整个模型网络规模由8层减少到6层；/n所述建立分解重构损失函数模型包括以下步骤：/nS5：模型再相互...

【技术特征摘要】
1.一种用于图像特征提取的联合融减自动编码器算法，其特征在于：包括建立联合融减网络结构模型和分解重构损失函数模型，
所述建立联合融减网络结构模型包括以下步骤：
编码阶段：
S1：利用卷积和池化操作对受损信号进行特征提取及降维；
S2：对于每个卷积层均使用Relu函数作为激活函数，以及对每层池化后的特征进行局部响应归一化；
S3：在特征提取过程中在第3特征层对第1特征层进行融合，在第4特征层对第2特征层进行融合；
解码阶段：
S4：模型将原本应与编码器对称的4层解码层精简到2层，使得整个模型网络规模由...

【专利技术属性】
技术研发人员：魏本征，孙宇，刘川，张魁星，丛金玉，
申请(专利权)人：山东中医药大学，
类型：发明
国别省市：山东;37