[发明专利]一种基于门机制的图像特征提取方法、装置和系统

权利要求书

1.一种基于门机制的图像特征提取方法，至少包括以下步骤：

S10，获得神经网络的每一层提取的图像的特征X对应的门G；

S20，对神经网络的每一层提取的图像的特征X，利用门G增强其有用的信息，同时计算该特征X具有无用信息的区域；其中，利用门函数Sigmoid作为特征是否有用的判断函数；

S30，对每一层提取的图像的特征X中具有无用信息的区域，采用其它层特征的有用信息进行补充；

S40，将神经网络所有层的特征进行全连接。

2.根据权利要求1所述的方法，其中，步骤S10包括，

通过门函数Sigmoid获得神经网络的每一层提取的图像的特征X对应的门G。

3.根据权利要求1或2所述的方法，其中，步骤S20包括，

通过X*G来提取特征中的有用信息，并抑制特征中的无用信息。

4.根据权利要求1或2所述的方法，其中，步骤S20包括，

对于L层神经网络中每一层提取的图像的特征Xn，利用Xn*(1+Gn)来增强其有用的信息，其中，Gn为通过门函数Sigmoid获得的特征Xn对应的门控特征，n为小于等于L的正整数。

5.根据权利要求1或2所述的方法，其中，步骤S20包括，

对于L层神经网络中每一层提取的图像的特征Xn，通过Xn*(1-Gn)来得到特征Xn具有无用信息的区域，其中，Gn为通过门函数Sigmoid获得的特征Xn对应的门控特征，n为小于等于L的正整数。

6.根据权利要求4所述的方法，其中，步骤S20还包括，

对于L层神经网络中每一层提取的图像的特征Xn，通过Xn*(1-Gn)来得到特征Xn具有无用信息的区域，其中，Gn为通过门函数Sigmoid获得的特征Xn对应的门控特征，n为小于等于L的正整数。

7.根据权利要求1或2或6所述的方法，其中，步骤S30包括，

对于神经网络中不同层提取的图像的L个特征X₁ ， X₂ ，… X_L ，通过门函数Sigmoid获得其分别对应的L个门控特征G₁ ， G₂ ，… G_L ，对于L层神经网络中每一层提取的图像的特征Xn中具有无用信息的区域，采用其它层特征的有用信息进行补充后的信息为：

(X₁*G₁+X₂*G₂ … +X_n-1*G_n-1+X_n+1*G_n+1 … +X_L*G_L)*(1-G_n) ，其中，n为小于等于L的正整数。

8.根据权利要求7所述的方法，其中，步骤S30还包括，

对于神经网络中不同层提取的图像的L个特征X₁ ， X₂ ，… X_L ，通过门函数Sigmoid获得其分别对应的L个门控特征G₁ ， G₂ ，… G_L ，对于L层神经网络中每一层提取的图像的特征Xn，利用门机制获得的有用的信息表示为：

X_n *(1+G_n)+(X₁*G₁+X₂*G₂+X_n-1*G_n-1+X_n+1*G_n+1 … +X_L*G_L)*(1-G_n) ，其中，n为小于等于L的正整数。