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。

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。