[发明专利]一种基于最大池化和平均池化的混合池化方法

权利要求书

1.一种基于最大池化和平均池化的混合池化方法，其特征在于，包括以下步骤：

步骤1、将图像X输入卷积层，卷积层采用的公式如式(1)所示：

式(1)中，X*W表示图像X与卷积区域W做卷积；x(i+m,j+n)表示图像X中第i行第j列像素x(i,j)每次沿横坐标移动m步长、每次沿纵坐标移动n步长；w(m,n)代表卷积区域W中第m行第n列的大小；

步骤2、卷积层计算输出的数据作为第一个池化层的输入，第一个池化层采用池化区域为3×3的最大池化，每次移动步长为2；

步骤3、上一个池化层计算后输出的数据送入第一个密集连接块Dense Block 1；

步骤4、将0到l-1层的输出特征图x₀,……,x_l-1作为l层的输入，则有：

x_l＝H_l([x₀,x₁,...,x_l-1]) (2)

式(2)中，[x₀,x₁,...,x_l-1]表示第0层到第l-1层产生的特征图的合并，H_l(.)由三部分组成：批标准化BatchNorm，激活函数ReLU和一个3x3的卷积；

步骤5、上一个密集连接块Dense Block输出的数据送入过渡层Transition Layer，过渡层Transition Layer包括一个1×1的卷积层和2×2的池化层，在2×2的池化区域中，式(3)进行计算：

式(3)中，max²表示放大最鲜明特征的占比，avg是考虑了四个特征值的综合结果，(max-avg)²即放大最大值损失的占比，式(3)所得作为池化层的输出特征；

步骤6、重复步骤3到步骤5两次；

步骤7、重复步骤3到步骤4一次；

步骤8、第四个密集连接块Dense Block 4输出的数据送入分类层ClassificationLayer，分类层Classification Layer包括池化区域为7×7的平均池化和全连接层。