[发明专利]用于计算机视觉的方法和装置

权利要求书

1.一种方法，包括：

通过使用神经网络来处理图像的第一输入特征图以获得所述图像的输出特征图；

其中所述神经网络包括至少两个分支和第一相加块，所述至少两个分支中的每个分支包括至少一个第一膨胀卷积层、至少一个第一上采样块和至少一个第二相加块，在分支中的所述第一膨胀卷积层的膨胀率与另一分支中的所述第一膨胀卷积层的膨胀率不同，所述至少一个第一上采样块被配置为对所述第一输入特征图或由所述至少一个第二相加块输出的特征图进行上采样，所述至少一个第二相加块被配置为将被上采样的特征图与所述图像的第二输入特征图分别相加，所述第一相加块被配置为将由所述至少两个分支中的每一个分支输出的特征图相加，所述第一膨胀卷积层具有一个卷积核，以及所述第一膨胀卷积层的输入通道单独执行膨胀卷积以作为所述第一膨胀卷积层的输出通道。

2.根据权利要求1所述的方法，其中，所述至少两个分支中的每个分支还包括：第二膨胀卷积层，其被配置为处理所述第一输入特征图并将其输出的特征图发送给所述第一上采样块，所述第二膨胀卷积层具有一个卷积核，以及所述第二膨胀卷积层的输入通道单独执行膨胀卷积以作为所述第二膨胀卷积层的输出通道。

3.根据权利要求1或2所述的方法，其中，所述神经网络还包括：第一卷积层，其被配置为减少所述第一输入特征图的数量。

4.根据权利要求1-3中任一项所述的方法，其中，所述神经网络还包括：第二卷积层，其被配置为将由所述第一相加块输出的特征图调整为预定义类别的数量。

5.根据权利要求3或4所述的方法，其中，所述第一卷积层和/或所述第二卷积层具有1x1的卷积核。

6.根据权利要求1-5中任一项所述的方法，其中，所述神经网络还包括：第二上采样块，其被配置为对所述第二卷积层输出的特征图进行上采样。

7.根据权利要求1-6中任一项所述的方法，其中，所述神经网络还包括：softmax层，其被配置为从所述图像的所述输出特征图获得预测。

8.根据权利要求1-7中任一项所述的方法，还包括：

通过反向传播算法来训练所述神经网络。

9.根据权利要求1-8中任一项所述的方法，还包括：对所述图像进行增强。

10.根据权利要求1-9中任一项所述的方法，其中，所述图像的所述第一输入特征图和所述第二输入特征图是从另一个神经网络获得的。

11.根据权利要求1-10中任一项所述的方法，其中，所述神经网络用于以下中的至少一个：图像分类，对象检测，和语义分割。

12.一种装置，包括：

至少一个处理器；

至少一个存储器，其包括计算机程序代码，所述存储器和计算机程序代码被配置为与所述至少一个处理器一起工作以使所述装置：

通过使用神经网络来处理图像的第一输入特征图以获得所述图像的输出特征图；

其中所述神经网络包括至少两个分支和第一相加块，所述至少两个分支中的每个分支包括至少一个第一膨胀卷积层、至少一个第一上采样块和至少一个第二相加块，在分支中的所述第一膨胀卷积层的膨胀率与另一分支中的所述第一膨胀卷积层的膨胀率不同，所述至少一个第一上采样块被配置为对所述第一输入特征图或由所述至少一个第二相加块输出的特征图进行上采样，所述至少一个第二相加块被配置为将被上采样的特征图与所述图像的第二输入特征图分别相加，所述第一相加块被配置为将由所述至少两个分支中的每一个分支输出的特征图相加，所述第一膨胀卷积层具有一个卷积核，以及所述第一膨胀卷积层的输入通道单独执行膨胀卷积以作为所述第一膨胀卷积层的输出通道。

13.根据权利要求12所述的装置，其中，所述装置被使得执行权利要求2至11中任一项所述的方法。