基于小波分解的神经网络输入图像采样方法技术

本发明专利技术公开了基于小波分解的神经网络输入图像采样方法，具体按照以下步骤实施：输入三通道彩色图像并通过归一化，得到归一化后的输入图像；将归一化的输入图像采用

【技术实现步骤摘要】
基于小波分解的神经网络输入图像采样方法


[0001]本专利技术属于神经网络图像处理方法
，具体涉及一种基于小波分解的神经网络输入图像采样方法
。

技术介绍

[0002]用于图像任务的神经网络，我们需要考虑输入图像的分辨率大小，一般图像分类任务中，输入图像预处理归一化大小为
224
，而对于目标检测
、
图像分割等任务则设置为
640
，而对于遥感图像输入图像分辨率甚至上千，因为需要提取更精细的特征
。
理论上说，输入更大的分辨率图像有利于神经网络提取特征计算更准确的结果，但是计算量也会随之成倍增加
。
[0003]在实际应用中，我们通常会按照经验考虑图像分辨率大小，在模型性能和推理速度之间做出权衡
。
目前用于深度学习的下采样方法主要分为，通过插值计算，将图像分辨率减小的图像降采样；将原始图像分解为多个不同分辨率的图像，可以在不丢失图像细节信息的情况下降低图像分辨率，从而提高模型性能和推理速度的图像金字塔
。
目前现有的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于小波分解的神经网络输入图像采样方法，其特征在于，具体按照以下步骤实施：步骤
1、
输入三通道彩色图像并通过归一化，得到归一化后的输入图像；步骤
2、
将归一化的输入图像采用
Haar
小波分解，得到四个频率分量；步骤
3、
根据所述四个频率分量循环进行
n
次小波分解直到预设尺寸，得到4×
n
个频带子图；步骤
4、
将所述4×
n
个频带子图沿着通道方向堆叠，组成神经网路的输入特征图；步骤
5、
将所述输入特征图取代原本神经网路浅层卷积层，根据实际任务迭代训练，完成基于小波分解的神经网络输入图像采样
。2.
根据权利要求1所述的基于小波分解的神经网络输入图像采样方法，其特征在于，所述步骤2具体按照以下步骤实施：步骤
2.1、
采用
Haar
小波函数，定义为对于任意图像
x
，图像大小为
h,w
，采用二维图像<...

【专利技术属性】
技术研发人员：贺王鹏，屈柯帆，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：