System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及深度学习特征提取,尤其是涉及一种多尺度深度监督的多层特征融合的特征提取方法。
技术介绍
1、随着深度学习的不断发展,越来越多的领域采用残差网络(resnet)作为通用的特征提取方法,残差结构使用了一种shortcut的连接方式,也可理解为捷径,让特征矩阵隔层相加,所谓相加是特征矩阵相同位置上的数字进行相加,这种相加的特征融合方式,在分类任务、目标检测、图像分割等领域也取得了较好的成绩。残差结构相加的特征融合方式,这种融合方法比较单一,往往需要模型拥有较多网络层数达到理想的模型推理精度。
2、因此,实有必要设计一种多尺度深度监督的多层特征融合的特征提取方法,以克服上述问题。
技术实现思路
1、为了避免上述问题,提供了一种多尺度深度监督的多层特征融合的特征提取方法,可更好的提取模型特征,提升模型的推理精度。
2、本专利技术提供的一种多尺度深度监督的多层特征融合的特征提取方法,包括:多层特征融合采用m-mlan操作,m-mlan操作包括多次卷积操作及cat拼接操作;
3、下采样采用mdownc操作,mdownc操作包含最大池化、卷积操作及cat拼接操作;
4、多尺度深监督为在多层特征融合后采用多个mdownc操作,与最后一层特征输出的通道数量、长、宽保持一致。
5、优选地,mlan操作包括如下步骤:
6、1)将输入的特征图a1(b,c,h,w)执行一次卷积操作(3x3 c c/2bn relu),生成特
7、2)对特征图a2(b,c/2,h,w)执行一次卷积操作(3x3 c/2c/2bn relu),生成特征图a3(b,c/2,h,w);
8、3)对特征图a1(b,c,h,w)执行一次卷积操作(1x1 c c/2bn relu),生成特征图a4(b,c/2,h,w);
9、4)将特征图a3(b,c/2,h,w)和特征图a4(b,c/2,h,w)执行cat拼接操作,生成特征图a5(b,c,h,w);
10、m-mlan操作包括如下步骤:
11、1.1将输入的特征图a1(b,c,h,w)依次执行n次mlan操作,得到n个特征图a5、a6、···、a(4+n),特征维度均为(b,c,h,w);
12、1.2将步骤1.1得到的n个特征图a5、a6、···、a(4+n)执行cat拼接操作,生成特征图a(5+n)(b,n*c,h,w);
13、1.3将特征图a(5+n)执行一次卷积操作(1x1 n*c c bn relu),生成特征图a(6+n)(b,c,h,w)。
14、优选地,mdownc操作包括如下步骤:
15、2.1将输入的特征图b1(b,c,h,w)执行一次最大池化(2,2),生成特征图b2(b,c,h/2,w/2);
16、2.2对特征图b1(b,c,h,w)执行一次卷积操作(1x1 c c s=2bn relu),生成特征图b3(b,c,h/2,w/2);
17、2.3对特征图b2(b,c,h/2,w/2)和特征图b3(b,c,h/2,w/2)执行cat拼接操作,生成特征图b4(b,2*c,h/2,w/2);
18、2.4对特征图b4(b,2*c,h/2,w/2)执行一次卷积操作(3x3 2*c 2*c bn relu),生成特征图b5(b,2*c,h/2,w/2)。
19、优选地,多尺度深监督采用mdownc操作进行特征图尺度变换。
20、优选地,多尺度深监督的流程中,在训练时执行多个m-mlan操作,其中,除最后一个m-mlan操作的其他多个m-mlan操作后面均执行mdownc操作,确保与最后一个m-mlan操作输出的通道数量、长、宽保持一致。
21、与现有技术相比,本专利技术具有以下有益效果:该多尺度深度监督的多层特征融合的特征提取方法,多尺度深监督可在训练阶段的多层特征融合后通过下采样融合方式统一尺度后建立损失函数,让每次特征融合参数也可以得到更好的学习能力;且多层特征融合是将多个层次的特征融合在一起进行特征提取;本专利技术提出的特征提取方法,可更好的提取模型特征,提升模型的推理精度。
本文档来自技高网...【技术保护点】
1.一种多尺度深度监督的多层特征融合的特征提取方法,其特征在于,包括:
2.如权利要求1中所述的多尺度深度监督的多层特征融合的特征提取方法,其特征在于:
3.如权利要求1中所述的多尺度深度监督的多层特征融合的特征提取方法,其特征在于:MDOWNC操作包括如下步骤:
4.如权利要求1中所述的多尺度深度监督的多层特征融合的特征提取方法,其特征在于:多尺度深监督采用MDOWNC操作进行特征图尺度变换。
5.如权利要求1中所述的多尺度深度监督的多层特征融合的特征提取方法,其特征在于:多尺度深监督的流程中,在训练时执行多个M-MLAN操作,其中,除最后一个M-MLAN操作的其他多个M-MLAN操作后面均执行MDOWNC操作,确保与最后一个M-MLAN操作输出的通道数量、长、宽保持一致。
【技术特征摘要】
1.一种多尺度深度监督的多层特征融合的特征提取方法,其特征在于,包括:
2.如权利要求1中所述的多尺度深度监督的多层特征融合的特征提取方法,其特征在于:
3.如权利要求1中所述的多尺度深度监督的多层特征融合的特征提取方法,其特征在于:mdownc操作包括如下步骤:
4.如权利要求1中所述的多尺度深度监督的多层特征融合的特征提取方...
【专利技术属性】
技术研发人员:廖广锐,黄皓,
申请(专利权)人:中船凌久电子武汉有限责任公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。