[发明专利]一种三维图像的分类网络、方法及图像处理设备

权利要求书

1.一种三维图像的分类网络，其特征在于，所述分类网络包括：

第一三维卷积层，用于对输入的待分类图像进行卷积操作，以得到多个通道的三维特征图，所述三维特征图为所述待分类图像的局部特征图，所述待分类图像为三维图像；

三维最大池化层，用于对所述第一三维卷积层输出的三维特征图进行压缩，得到压缩的、且通道维度不变的三维特征图；

依次连接的多个三维移动倒置瓶颈模块，用于对所述三维最大池化层输出的三维特征图进行处理，得到包含所述待分类图像全局信息的三维特征图；

第二三维卷积层，用于对所述多个三维移动倒置瓶颈模块中最后一个三维移动倒置瓶颈模块输出的三维特征图的通道维度进行提升；以及

全连接模块，用于将所述第二三维卷积层输出的特征连接起来，根据连接得到的特征确定待分类图像的类别。

2.如权利要求1所述的分类网络，其特征在于，所述第一三维卷积层包括一个卷积核大小为7×7×7、卷积步长为2×2×2的卷积操作、批正则化操作以及一个ReLu激活函数。

3.如权利要求1所述的分类网络，其特征在于，所述三维最大池化层包括一个池化核大小为2×2×2、步长为2×2×2的池化操作。

4.如权利要求1所述的分类网络，其特征在于，所述三维移动倒置瓶颈模块包括：

三维扩张卷积模块，用于对输入特征图进行通道维度上的扩张，以得到通道维度扩张后的特征图；

三维深度卷积模块，用于对所述三维扩张卷积模块输出的特征图进行特征处理，以得到通道数目不变的特征图；

紧缩与激励模块，用于对所述三维深度卷积模块输出的特征图进行通道维度上的加权，以得到添加注意力的特征图；以及

三维逐点卷积模块，用于对所述紧缩与激励模块输出的特征图进行通道维度的更改，以得到通道数符合输出要求的特征图。

5.如权利要求4所述的分类网络，其特征在于：

所述三维扩张卷积模块包括卷积核大小、步长均为1×1×1的三维逐点卷积、批正则化操作和Swish激活函数；

所述三维深度卷积模块包括卷积核大小为k×k×k、卷积步长为s×s×s的三维深度卷积、批正则化操作和Swish激活函数，k和s表示整数；

所述紧缩与激励模块包括紧缩单元和激励单元，所述紧缩单元用于对输入特征图进行特征压缩，所述激励单元用于对压缩过后的特征图在通道维度进行特征扩张，将扩张后的特征作为权值，对所述三维深度卷积模块输出的特征图的通道维度进行加权，得到重新加权的特征图；

所述三维逐点卷积模块包括卷积核大小、步长均为1×1×1的三维逐点卷积、批正则化和可选择的跨层连接机制。

6.如权利要求5所述的分类网络，其特征在于，所述紧缩单元包括池化核为输入特征图空间尺寸的三维全局平均池化层、三维逐点卷积以及Swish激活函数，所述激励单元包括三维逐点卷积、Sigmoid激活函数以及加权操作。

7.如权利要求1所述的分类网络，其特征在于，所述第二三维卷积层包括一个卷积核大小、步长均为1×1×1的三维逐点卷积操作以及批正则化操作。

8.如权利要求1所述的分类网络，其特征在于，所述全连接模块包括三个ReLu激活函数以及三个经元个数分别为400、64、2的全连接层。

9.一种三维图像的分类方法，其特征在于，包括：

通过权利要求1-8任一所述分类网络对输入的三维图像进行分类。

10.一种图像处理设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述分类网络的功能。