基于卷积神经网络所获得特征的空间信息恢复方法及装置

摘要

本发明公开了一种基于卷积神经网络所获得特征的空间信息恢复方法和装置，用于恢复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特征在所述原始图像上的空间信息，其中N为整数并且N≥1。所述方法包括从K等于N开始，依次根据所述特征在第K层特征图上的分布重建出所述特征在第K‑1层特征图上的分布，其中K为整数并且0＜K≤N。本发明以按元素乘以设定权重的方式来实现去卷积重建而不涉及卷积运算，并且设定权重的设置充分考虑了各层卷积核在获得特征的过程中对原始图像上各元素的影响，能够大大降低去卷积重建计算的复杂度，同时又能保证较高的重建结果准确度。

主权项

一种基于卷积神经网络所获得特征的空间信息恢复方法，用于恢复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特征在所述原始图像上的空间信息，其中N为整数并且N≥1，其特征在于，包括：从K等于N开始，依次根据所述特征在第K层特征图上的分布重建出所述特征在第K‑1层特征图上的分布，其中K为整数并且0＜K≤N，所述特征在第0层特征图上的分布表示所述特征在所述原始图像上的空间信息；并且，根据所述特征在第K层特征图上的分布重建出所述特征在第K‑1层特征图上的分布包括：对所述特征在第K层特征图上的分布进行去降采样，以得到所述特征在第K层特征图上的去降采样分布；获取所述去降采样分布中的每一关注元素及所述每一关注元素的值；分别针对每一关注元素执行以下操作：确定关注元素对应的第K‑1层特征图中的区域；将所述第K‑1层特征图中的该区域内的元素置为与所述关注元素的值相对应的值，并将除该区域之外的其它区域中的元素置为非关注元素的值；就赋值后的所述第K‑1层特征图中的所述关注元素对应的区域按元素乘以设定权重以得到所述关注元素在第K‑1层特征图上的子分布；其中所述设定权重根据预存储的从第K‑1层特征图通过卷积运算得到第K层特征图时所采用的卷积核生成；将所有关注元素各自在第K‑1层特征图上的子分布进行叠加以生成所述特征在第K‑1层特征图上的分布。