[发明专利]基于维度拆分的图像压缩方法

权利要求书

1.一种基于维度拆分的图像压缩方法，其特征在于步骤如下：

步骤1：按照文献“K.He,X.Zhang and S.Ren.Delving Deep into Rectifiers:Surpassing Human-Level Performance on ImageNet Classification.InInternational Conference on Computer Vision,2015,pp.1026-1034.”中的方法对嵌入向量Z_embeding和全连接网络权重W_h进行初始化，然后，将嵌入向量输入全连接网络，再经激活函数，得到通道拆分掩膜Mask，具体如下：

步骤a：嵌入向量Z_embeding经过全连接网络输出隐藏层向量W_r：

W_r＝W_h×Z_embeding (1)

步骤b：隐藏层向量W_r经过激活函数F后得到通道拆分掩膜Mask：

Mask＝F(W_r,r) (2)

其中，F(·)为激活函数，r∈(0,1)为激活函数的参数，激活函数的计算公式如下：

步骤2：将待处理图像X与通道拆分掩膜Mask进行卷积处理，得到有效通道数据S，即：

其中，代表卷积；

将待处理图像X与通道拆分掩膜Mask按下式进行卷积处理，得到有冗余通道数据S′：

步骤3：对有效通道数据S进行分组卷积，得到分组卷积结果S_y1，即：

其中，O表示分组卷积结果S_y1的通道数量，M×N表示S_y1的大小，为分组卷积核，k的取值为3、5或7；

对分组卷积结果S_y1进行点卷积，得到有效通道的最终输出结果S_y，即：

其中，为点卷积核，U输出特征图的通道数；

对冗余通道数据S′与1×1卷积核进行卷积处理，得到冗余通道的最终输出结果S_r：

其中，W表示1×1卷积核；

步骤4：按照下式对有效通道的输出结果S_y和冗余通道的输出结果S_r进行加权融合，得到最终的图像压缩结果Y：

Y＝βS_y+rS_r (10)

其中，β表示有效通道因子，r表示冗余通道因子，分别按下式计算得到：

r＝1-β (12)

其中，S₁表示有效通道的输出结果S_y中所有元素的平均值，S₂表示冗余通道的输出结果S_r中所有元素的平均值。