一种基于非线性正弦映射生成图像的特征图的方法技术

本发明专利技术提供了一种基于非线性正弦映射生成图像的特征图的方法。该方法包括：将待处理的特征图像的种子特征图输入到Pure‑Map模块中的归一化模块，归一化模块输出数值在区间[‑1,1]之间的特征图，通过切分函数将归一化后的特征图分组，通过非线性映射函数分别处理各组的特征图，将输入的特征图与经过分组非线性映射处理的特征图拼接，生成非线性特征图；通过切分函数将归一化后的特征图分组，利用通道洗牌模块将所述非线性特征图进行混洗处理，将混洗处理后的非线性特征图与种子特征图拼接，得到输出的特征图。本发明专利技术通过基于非线性正弦映射的特征图高效切分‑映射算法，以去除映射生成特征图模型中的线性层，以实现有效地基于非线性映射生成图像的特征图。

【技术实现步骤摘要】

本专利技术涉及图像处理，尤其涉及一种基于非线性正弦映射生成图像的特征图的方法。

技术介绍

1、由于边缘设备的计算、内存等资源有限，而神经网络参数数量与浮点运算量(floating-pointoperations，flops)一般比较大，例如，resnet-101包含425.1万个参数，处理一张32*32的图像需要超过25亿的flops，在边缘设备上部署高性能卷积神经网络面临困难。通过研究神经网络特征图的冗余性，基于映射生成特征图的模型轻量化方法则可以很好的解决这一问题。映射生成特征图指的是首先利用滑动窗口方式生成一些特征图，然后基于这些特征图通过线性映射或非线性映射生成其他的特征图。然而，为了保持神经网络模型的性能，基于映射生成特征图的方法一般会生成大量的特征图，随后使用线性层调控特征图的通道数，导致此类模型的训练效率较低。

2、目前，现有技术中的基于映射生成特征图的模型轻量化方法包括：基于特征图之间的相似性与冗余性，首先通过种子卷积生成部分特征图，再引入线性映射或非线性映射层来生成剩余的特征图，有效地减少了模型参数量与计算量，可以很好地解决边本文档来自技高网...

【技术保护点】

1.一种基于非线性正弦映射生成图像的特征图的方法，其特征在于，构建基于纯非线性映射生成特征图的Pure-Map模块，包括：

2.根据权利要求1所述的方法，其特征在于，所述的构建基于纯非线性映射生成特征图的Pure-Map模块，包括：

3.根据权利要求1或者2所述的方法，其特征在于，所述的将待处理的特征图像的种子特征图输入到所述Pure-Map模块中的归一化模块，所述归一化模块输出数值在区间[-1,1]之间的特征图，包括：

4.根据权利要求3所述的方法，其特征在于，所述的通过切分函数将归一化后的特征图分组，通过非线性映射函数分别处理各组的特征图，将输入的...

【技术特征摘要】

1.一种基于非线性正弦映射生成图像的特征图的方法，其特征在于，构建基于纯非线性映射生成特征图的pure-map模块，包括：

2.根据权利要求1所述的方法，其特征在于，所述的构建基于纯非线性映射生成特征图的pure-map模块，包括：

3.根据权利要求1或者2所述的方法，其特征在于，所述的将待处理的特征图像的种子特征图输入到所述pure-map模块中的归一化模块，所述归一化模块输出数值在区间[-...

【专利技术属性】
技术研发人员：丁春涛，谢建行，李浥东，郎丛妍，李娟，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：