[发明专利]一种包括周边环境的图像识别方法及装置

权利要求书

1.一种包括周边环境的图像识别方法，其特征在于，所述方法至少包括以下步骤：

基于卷积层提取图像矩阵；

将所述图像矩阵进行至少一次缩边处理；

将缩边处理后的图像矩阵进行至少一次非缩边的残差处理；

基于全连接层输出识别的图像数据；

所述方法还包括步骤：构建缩边模块；

所述缩边模块的缩边方法包括：基于所述卷积层提取图像矩阵的中间和/或边缘特征元素，去掉所述图像矩阵的边缘k层的特征元素，

缩边后，卷积层的卷积核的大小为：m＝k*2+1，其中，m，k为正整数；

所述缩边模块包括基本缩边模块和瓶颈缩边模块，

所述基本缩边模块至少包括两层m*m卷积层，

所述基本缩边模块的缩边方法包括：G(x)＝conv_2(σ(conv_1(x)))+r(x)，

其中，conv_1(x)，conv_2(x)表示对图像矩阵x进行无padding的m*m卷积变换，m≥1；σ(x)表示对图像矩阵x进行非线性变换；r(x)表示对图像矩阵x进行缩边；

所述瓶颈缩边模块至少包括两层1*1卷积层和一层m*m卷积层，其中m*m卷积层设置在两个1*1卷积层之间，

所述瓶颈缩边模块的缩边方法包括：

G(x)＝c_2(σ(conv(σ(c_1(x)))))+r(x)

其中，conv(x)表示对图像矩阵x进行无padding的m*m卷积变换，m＞1；c_1(x)与c_2(x)表示对图像矩阵x进行1*1卷积变换，σ(x)表示对图像矩阵x进行非线性变换；r(x)表示对图像矩阵x进行缩边。

2.如权利要求1所述的包括周边环境的图像识别方法，其特征在于，所述r(x)去掉所述图像矩阵的边缘k层的特征元素的函数为：

即去掉原矩阵x的第1～k行，第1～k列，第(n-k+1)～n行和第(n-k+1)～n列。

3.如权利要求2所述的包括周边环境的图像识别方法，其特征在于，所述基本缩边模块的m*m卷积层为包含3x3卷积核的卷积层；

所述瓶颈缩边模块中的m*m卷积层为包含3x3卷积核的卷积层。

4.如权利要求3所述的包括周边环境的图像识别方法，其特征在于，所述方法还包括：在进行所述非缩边的残差处理之前或之中，将图像矩阵进行至少一次池化处理和/或卷积处理以改变通道数量。

5.一种包括周边环境的图像识别装置，其特征在于，所述装置至少包括：

卷积模块，用于基于卷积层提取图像矩阵；

缩边单元，用于将所述图像矩阵进行至少一次缩边处理；

残差单元，用于将缩边处理后的图像矩阵进行至少一次非缩边的残差处理；

全连接层模块，用于基于全连接层输出识别的图像数据，

其中，所述缩边单元设置在所述卷积模块与所述残差单元之间，所述残差单元与所全连接层模块连接；

所述缩边单元包括若干缩边模块；

所述缩边模块的缩边方法包括：基于所述卷积层提取图像矩阵的中间和/或边缘特征元素，去掉所述图像矩阵的边缘k层的特征元素，

缩边后，卷积层的卷积核的大小为：m＝k*2+1，其中，m，k为正整数；

所述缩边模块包括基本缩边模块和瓶颈缩边模块，

所述基本缩边模块至少包括两层m*m卷积层，

所述基本缩边模块的缩边方法包括：G(x)＝comv_2(σ(conv_1(x)))+r(x)，其中，conv_1(x)，conv_2(x)表示对图像矩阵x进行无padding的m*m，卷积变换，m＞1；σ(x)表示对图像矩阵x进行非线性变换；r(x)表示对图像矩阵x进行缩边，

所述瓶颈缩边模块至少包括两层1*1卷积层和一层m*m卷积层，其中m*m卷积层设置在两个1*1卷积层之间，

所述瓶颈缩边模块的缩边方法包括：

G(x)＝c_2(σ(conv(σ(c_1(x)))))+r(x)

其中，conv(x)表示对图像矩阵x进行无padding的m*m卷积变换，m≥1；c_1(x)与c_2(x)表示对图像矩阵x进行1*1积变换，σ(x)表示对图像矩阵x进行非线性变换；r(x)表示对图像矩阵x进行缩边。