[发明专利]一种并行多元特征处理方法及系统

权利要求书

1.一种并行多元特征处理方法，其特征在于，包括：

获取输入图像其中n∈Z⁺，Z⁺是正整数，c为通道数，h、w为特征尺寸；对所述输入图像进行包含标准空间卷积层和非线性激活函数处理的下采样操作，得到四维特征向量

所述四维特征向量依次经过尺度缩放层、标准一维卷积层处理，得到四维属性特征向量

所述四维特征向量依次经过标准空间卷积层A、多层残差单元、尺度缩放层、标准空间卷积层B的对称支路处理，得到四维具象特征向量

将所述四维具象特征向量和四维属性特征向量相乘，得到筛选对比后的四维特征向量用于校正四维具象特征向量和四维属性特征向量配对过程中产生的偏差；

将所述四维特征向量与筛选对比后的四维特征向量相加得到四维融合特征向量然后进行上采样操作，得到输出结果{Y₁^c×2h×2w,...,Y₁^c×2h×2w}。

2.根据权利要求1所述一种并行多元特征处理方法，其特征在于，对所述输入图像进行包含标准空间卷积层和非线性激活函数处理的下采样操作，具体为：使用卷积核M^c×3×3的标准空间卷积层提取所述输入图像中的四维特征向量公式为：

其中为卷积过程，每个矩阵表示一个3×3大小的特征向量；

将输出的特征向量使用非线性激活函数处理，当激活处理的特征值小于或等于0时，激活函数输出值为0，如式(2)所示；反之，激活函数输出值与输入值相同时，如式(3)所示：

其中，函数A(·)为激活函数。

3.根据权利要求2所述一种并行多元特征处理方法，其特征在于，所述四维特征向量依次经过尺度缩放层、标准一维卷积层处理，得到四维属性特征向量具体为：

使用尺度缩放层对每一单位特征向量均值化处理，获得四维特征向量公式为：

其中，F₁(·)为尺度缩放过程函数，此步骤选用全局最大池化函数对特征向量进行尺度缩小，M^c×2×2为k＝2的卷积核对特征逐像素操作，选取最大值并输出；

对四维特征向量使用标准一维卷积层逐个特征通道进行处理，得到四维属性特征向量公式为：

其中，F₂(·)为标准一维卷积处理过程函数，选用k＝1的卷积核进行操作。

4.根据权利要求2所述一种并行多元特征处理方法，其特征在于，所述四维特征向量依次经过标准空间卷积层A、多层残差单元、尺度缩放层、标准空间卷积层B的对称支路处理，得到四维具象特征向量具体为：

使用标准空间卷积层A处理四维特征向量加深网络的同时增强特征向量非线性，从而提升对于不同位置空间结构信息的提取，输出四维特征向量公式为：

其中，k为卷积核大小，k∈{1,3,5}；

使用多层残差单元处理四维特征向量公式为：

其中，F(·)为单层残差单元过程函数，ω₃为权值矩阵；

使用尺度缩放层处理四维特征向量并输出具备识别多尺度目标和空间结构的四维特征向量公式为：

其中，F_S(·)为具象特征提取单元中尺度缩放层，包含使用步长s＝2的标准空间卷积和标准空间反卷积对其进行尺度缩小和放大处理；

使用步长s＝1的标准空间卷积层B处理四维特征向量在不引入额外参数的情况下，实现实例特征中不同目标空间结构的分类和精确传递，输出四维特征向量公式为：

其中，M^c×k×k为卷积核大小为k，k∈{1,3,5}。

5.根据权利要求4所述一种并行多元特征处理方法，其特征在于，将所述四维具象特征向量和四维属性特征向量相乘，得到筛选对比后的四维特征向量具体为：

其中，为权值矩阵，×表示特征矩阵相乘。