发明名称 |
卷积神经网络特征的处理方法和装置 |
摘要 |
本发明公开了一种卷积神经网络特征即CNN特征的处理方法和处理装置,用于对将原始图像输入具有N层卷积和降采样的卷积神经网络所获得的M个特征图进行处理,其中M、N均为整数并且M≥1、N≥1。所述处理方法包括:恢复各所述M个特征图在所述原始图像上的空间信息;计算各所述M个特征图在所述原始图像上的分布;提取与所述原始图像中的各元素对应的M维向量;针对所述原始图像中的关注区域,将该关注区域内的所有元素的M维向量相加,以得到与所述关注区域对应的M维向量。本发明能够基于CNN特征得到本身的区分力较强、又具有明确的空间含义的新局部特征,将该新局部特征应用于目标识别与检测,能够大大提高识别和检测精度。 |
申请公布号 |
CN106156846A |
申请公布日期 |
2016.11.23 |
申请号 |
CN201510144847.1 |
申请日期 |
2015.03.30 |
申请人 |
日本电气株式会社 |
发明人 |
黄郁驰 |
分类号 |
G06N3/02(2006.01)I |
主分类号 |
G06N3/02(2006.01)I |
代理机构 |
北京林达刘知识产权代理事务所(普通合伙) 11277 |
代理人 |
刘新宇 |
主权项 |
一种卷积神经网络特征即CNN特征的处理方法,用于对将原始图像输入具有N层卷积和降采样的卷积神经网络所获得的M个特征图进行处理,其中M、N均为整数并且M≥1、N≥1,其特征在于,包括:恢复各所述M个特征图在所述原始图像上的空间信息,以获得所述原始图像中的各元素对各所述M个特征图的贡献度;基于所获得的贡献度计算各所述M个特征图在所述原始图像上的分布;根据所述M个特征图各自在所述原始图像上的分布,提取与所述原始图像中的各元素对应的M维向量;针对所述原始图像中的关注区域,将该关注区域内的所有元素的M维向量相加,以得到与所述关注区域对应的M维向量作为该关注区域的区域描述子。 |
地址 |
日本东京都 |