[发明专利]一种用基于张量的卷积网络提取高维特征的方法

权利要求书

1.一种用基于张量的卷积网络提取高维特征的方法，建立基于张量的卷积网络：卷积网络核心部分是分离－融合模块，而分离－融合模块则由可分离卷积组件和特征融合组件构成，其中，可分离卷积组件包括多个可分离卷积层组成，特征融合组件包括一个多维卷积核；整个基于张量的N维卷积模型由多个N维分离－融合模块、池化层和全连接层组成；

首先卷积层参数初始化，当输入N维信号时，在经过每个分离－融合模块时，N维信号先按张量展开操作展开成N组二维矩阵，每组二维矩阵输入到一个可分离卷积层中，各自执行一系列的一维卷积操作，将所得到的每组二维特征矩阵通过张量折叠操作折叠成一组N阶特征张量，那么每个可分离卷积层输出一组N阶特征张量，每个分离模块就输出N组N阶特征张量，这些N阶张量按照通道数级联起来，输入到融合模块中，经过一个N维的且每个维度的大小为1的卷积核做卷积运算，最终这个分离－融合模块输出一组N阶张量，接着将它们输入到每个维度感受野为2的N维最大池化层中进行下采样，输出一组每个维度大小减半的N阶张量，接着这组N阶张量作为新的N维信号输入到下一个分离－融合模块和最大池化层中，经过若干个这样的操作之后，操作次数与网络模型中所设置的分离－融合模块的个数相同；最后一个最大池化层输出的一组N阶张量通过向量化的操作转成一个向量输入到全连接层中，最终输出一个识别分类的概率向量；

其特征在于：当处理三维视频信号时，这里要选用基于张量的三维卷积模型，设定模型有3个分离－融合模块和3个最大池化层以及一个全连接层，所输入的三维视频信号依次经过分离－融合模块1、最大池化层1、分离－融合模块2、最大池化层2、分离－融合模块3、最大池化层3、全连接层，三维视频信号每经过一个最大池化层 就得到一组分辨率减半的三维视频信号，这样，最大池化层3就输出一组分辨率为输入信号的1/8的三维视频信号，这些信号经过向量化之后，输入到全连接层，最终模型输出该三维视频信号的识别分类概率向量。