公开(公告)号：CN112257796B

公开(公告)日：2024-06-28

申请号：CN202011174153.X

申请日：2020-10-28

Applicant: 辽宁工程技术大学

Inventor： 汪澜 ,  贾丹丹

IPC: G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06T7/11 ,  G06T3/4084

Abstract: 本发明公开了一种基于选择性特征连接的卷积神经网络的图像整合方法，包括：分别求出低层特征和高层特征的平均特征；得到的高层特征的平均特征减去低层特征的平均特征得到关键特征图的得分；对高层特征的平均特征进行缩放处理；进行Softmax归一化处理得到特征Z；对特征Z进行最大值归一处理，得到注意得分。本发明的基于选择性特征连接的卷积神经网络的图像整合方法基于选择性特征连接的高低层特征融合方式能更好的整合特征图信息，更有效的利用已经学习到的特征，且并不会增加参数量。优化了卷积神经网络结构，提升了网络的性能，尤其对于浅层卷积神经网络具有重要意义，让浅层卷积神经网络应用到更多的领域中去。

公开(公告)号：CN112257796A

公开(公告)日：2021-01-22

申请号：CN202011174153.X

申请日：2020-10-28

Applicant: 辽宁工程技术大学

Inventor： 汪澜 ,  贾丹丹

IPC: G06K9/62 ,  G06N3/04 ,  G06T3/40 ,  G06T7/11

Abstract: 本发明公开了一种基于选择性特征连接的卷积神经网络的图像整合方法，包括：分别求出低层特征和高层特征的平均特征；得到的高层特征的平均特征减去低层特征的平均特征得到关键特征图的得分；对高层特征的平均特征进行缩放处理；进行Softmax归一化处理得到特征Z；对特征Z进行最大值归一处理，得到注意得分。本发明的基于选择性特征连接的卷积神经网络的图像整合方法基于选择性特征连接的高低层特征融合方式能更好的整合特征图信息，更有效的利用已经学习到的特征，且并不会增加参数量。优化了卷积神经网络结构，提升了网络的性能，尤其对于浅层卷积神经网络具有重要意义，让浅层卷积神经网络应用到更多的领域中去。