[发明专利]一种基于高阶统计量的特征图处理方法、终端及存储介质

权利要求书

1.一种基于高阶统计量的特征图处理方法，其特征在于，所述方法包括：

分别计算待处理特征图的各个通道对应的统计量数值，其中，所述统计量包括至少一个高阶统计量；

将所述待处理特征图输入至预先训练完成的第一神经网络，通过所述第一神经网络获取第一参数集合，其中，所述第一参数集合中包括多个第一参数，每个第一参数为所述待处理特征图分别与各个所述统计量的相关性分数；

根据各个所述第一参数和所述统计量数值分别获取所述待处理特征图的各个通道的注意力权重；

根据各个所述注意力权重对所述待处理特征图的各个通道进行处理，获取目标特征图。

2.根据权利要求1所述的基于高阶统计量的特征图处理方法，其特征在于，所述统计量包括一阶统计量、二阶统计量、三阶统计量和四阶统计量。

3.根据权利要求2所述的基于高阶统计量的特征图处理方法，其特征在于，所述分别计算通道对应的统计量数值，包括：

根据预设公式分别获取所述统计量数值；

其中，所述预设公式为：

其中，z_1,c表示待处理特征图U的第c个通道的一阶统计量数值，z_2,c表示待处理特征图U的第c个通道的二阶统计量数值，z_3,c表示待处理特征图U的第c个通道的三阶统计量数值，z_4,c表示待处理特征图U的第c个通道的四阶统计量数值，u_c(i,j)是特征图U的第c个通道中坐标为(i,j)的特征点的特征值，μ_c是特征图U的第c个通道中所有特征值的均值，σ_c是特征图U的第c个通道中所有特征值的均值标准差，E是均值操作。

4.根据权利要求1所述的基于高阶统计量的特征图处理方法，其特征在于，所述通过所述第一神经网络获取第一参数集合，包括：

将所述待处理特征图输入至所述第一神经网络中的第一模块，获取所述第一模块输出的第二参数集合，其中，所述第二参数集合中包括多个第二参数；

对各个所述第二参数采样离散变量，获取各个所述第一参数。

5.根据权利要求1所述的基于高阶统计量的特征图处理方法，其特征在于，所述根据各个所述第一参数和所述统计量数值分别获取所述待处理特征图的各个通道的注意力权重，包括：

根据各个所述统计量分别对应的所述第一参数对每个通道的所述统计量数值进行加权求和，得到各个通道分别对应的第三参数；

根据各个所述第三参数获取各个所述注意力权重；

其中，所述注意力权重的取值范围为[0,1]。

6.根据权利要求5所述的基于高阶统计量的特征图处理方法，其特征在于，所述根据各个所述第三参数获取各个所述注意力权重，包括：

将各个所述第三参数输入至所述第一神经网络的第二模块，获取所述第二模块输出的所述注意力权重。

7.根据权利要求1所述的基于高阶统计量的特征图处理方法，其特征在于，所述根据各个所述注意力权重对所述待处理特征图的各个通道进行处理，包括：

将通道对应的所述注意力权重乘以通道的特征值。

8.根据权利要求1-7任一项所述的基于高阶统计量的特征图处理方法，其特征在于，所述第一神经网络是根据多组训练数据训练完成的，每组训练数据包括样本图像以及样本图像对应的样本目标图像。

9.一种终端，其特征在于，所述终端包括：处理器、与处理器通信连接的存储介质，所述存储介质适于存储多条指令，所述处理器适于调用所述存储介质中的指令，以执行实现上述权利要求1-8任一项所述的基于高阶统计量的特征图处理方法的步骤。

10.一种存储介质，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-8任一项所述的基于高阶统计量的特征图处理方法的步骤。