[发明专利]一种并行多元特征处理方法及系统

说明书

本发明公开了一种并行多元特征处理方法及系统，属于深度学习图像处理领域。其方法包括获取输入图像；对所述输入图像进行下采样操作，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；将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。本发明能够以多视角、并行方式学习同一特征向量中蕴含的不同类型特征分量之间内在关联。

技术领域

本发明涉及深度学习图像处理技术领域，具体涉及一种并行多元特征处理方法及系统。

背景技术

深度学习网络作为特征处理和传递的主要技术手段，不仅决定着输出性能能否达到预期目标，更关系到系统的实际应用效果。由于应用不同，特征分量从内容、属性上都趋于复杂，现有网络难以实现特征分量的精确拆分和重组，使得特征分量精确提取和融合陷入“选择困境”，导致性能提升受阻。当前方法大多从某一具体问题出发，设计专属模块和网络优化过程，缺乏对深度学习领域特征提取方法的有效整合，难以实现特征分量准确提取和有效加工。由此，增强深度学习网络对于特征元素的深度解析能力，实现不同特征分量精确拆分和传递具有重大意义，不仅关乎人工智能领域的探索进程，更能促进深度学习各领域的结构应用任务的良性发展。

风格迁移方面，名称为一种多路并行图像内容特征优化风格迁移方法及系统，公开号为CN113284042A的发明专利申请提出一种特征优化单元，能够在保持多通道特征完整传递的基础上，融合多条支路中传递的单一特征通道的图像内容特征，提取深度内容特征信息，从而加强深度特征表达能力。名称为一种基于潜变量特征生成的图像多风格转化方法，公开号为CN11099225A的发明专利申请在多模态无监督图像转换网络基础上，设计风格编码生成器对图像的风格编码进行拟合，同时在内容编码和风格编码之间引入跳跃连接，在风格编码中引入注意力机制，提高了图像多风格转换的质量和多样性。名称为“训练GAN来解释风格空间中的分类器”的文章发现图像分类模型可以依赖于图像的多个不同语义属性，它通过训练生成模型来决策风格特征的特定属性生成，能够完成细节纹理及边缘轮廓信息的精确传递。名称为“多领域图像翻译的统一框架生成对抗网络”的文章提出一种掩码向量方法，使其能够控制所有可用的域标签，从而指导内容和风格特征的精确传递。在其基础上，名称为“多领域多种图像合成网络”的文章，将域标签用特定域的风格特征代替，实现风格的多样性和可扩展性映射。

图像分割方面，名称为图像的双金字塔多元特征提取网络、图像分割方法、系统和介质，公开号为CN113537004A的发明专利申请提出一种双金字塔多元特征提取网络，由实例特征金字塔和语义特征金字塔组成，解决了传统特征提取方法无法满足多线程任务的特征需求问题，能够为目标识别任务提供详细的实例目标特征信息，为语义分析任务提供丰富的语义逻辑特征信息，极大程度地提高全景分割精度。名称为基于高低频强化的全景图像分割方法、计算机系统和介质，公开号为CN113592790A的发明专利申请提出一种高低频强化的全景分割方法，通过调整输入特征维度实现输入图像中高频和低频特征分量精确分离。在特征分量前向传递过程中以频率需求为导向提取前背景特征，并通过强化前背景特征的频域显著性差异增强场景分析和理解过程，有效提升全景分割任务中前背景区分精度。名称为基于语义匹配的藏式建筑彩绘线稿图上色方法及装置，公开号为CN114299184A的发明专利申请提出一种线稿图上色模型。通过预训练语义分割网络将彩绘线稿图划分为多个语义区域，指导预训练图像的颜色定位到建筑物的不同位置，从而精准实现精准着色，提升渐变色的模拟效果。