[发明专利]多流特征距离融合系统与融合方法有效
申请号: | 201910009037.3 | 申请日: | 2019-01-04 |
公开(公告)号: | CN109740672B | 公开(公告)日: | 2020-08-04 |
发明(设计)人: | 黄智勇;虞智;李银松;汪余杰;林爽;孙大明 | 申请(专利权)人: | 重庆大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62 |
代理公司: | 重庆博凯知识产权代理有限公司 50212 | 代理人: | 黄河 |
地址: | 400044 *** | 国省代码: | 重庆;50 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 特征 距离 融合 系统 方法 | ||
1.一种多流特征距离融合系统,其特征在于:包括逐级连接的多流特征提取网络、贡献系数自适应生成模块与距离融合模块;
多流特征提取网络包括用于提取输入图像的特征图的特征图提取网络,所述特征图包括全局特征图与n个区域特征图;多流特征提取网络还包括用于分别从各特征图中提取相应特征的特征提取网络;多流特征提取网络能够将特征图输出给贡献系数自适应生成模块,并能将提取到的特征输出给距离融合模块;
贡献系数自适应生成模块包括激活比计算模块与用于根据各区域特征图的激活比计算各区域特征的贡献系数的贡献度映射模块;所述激活比是指区域特征图上的非零值点的数量与全局特征图上的非零值点的数量的比率;所述贡献系数是指全局特征或区域特征对融合距离的贡献程度;全局特征贡献系数恒为1;
距离融合模块用于根据待测图像的各特征与参考图像的各特征计算相应特征图之间的特征距离,并利用各特征的贡献系数将各特征距离融合成多流特征距离。
2.根据权利要求1所述的多流特征距离融合系统,其特征在于:所述特征图提取网络包括用于在输入图像上分割出n-1个局部区域的区域分割网络、用于去除输入图像的背景的语义分割模块、用于提取输入图像的全局特征图的全局特征图提取网络以及用于根据区域分割网络所分割出的各局部区域在全局特征图上提取出相应区域特征图的池化模块;输入图像经语义分割模块去除背景后作为第n个区域特征图。
3.根据权利要求2所述的多流特征距离融合系统,其特征在于:所述区域分割网络为身体分割提取网络或人脸分割提取网络。
4.根据权利要求1所述的多流特征距离融合系统,其特征在于:所述激活比计算模块按如下公式计算激活比ar:
其中,N表示特征图的维度,Hl、Wl分别是区域特征图的高度尺寸、宽度尺寸,Hg、Wg分别是全局特征图的高度尺寸、宽度尺寸;
其中,P(i,j,k)表示区域特征图上特征点的值;
其中,P(u,t,r)表示全局特征图上特征点的值。
5.根据权利要求1所述的多流特征距离融合系统,其特征在于:贡献度映射模块以激活比作为自变量,以贡献系数作为因变量,按如下映射函数将激活比映射出贡献系数:
f(x)=A/(1+e-D(x-C))+B;
其中,x是激活比;e是自然常数;A、B、C和D均是公式参数,并根据激活比取值区间[μ1,μ2]与贡献系数取值区间[γ1,γ2]分别按以下公式计算:
A=γ2-γ1;
B=γ1;
D=min{D|f(μ1)-γ1<0.01,f(μ2)-γ1<0.01,D∈N*};
其中,N*表示正整数;0≤μ1≤1,0≤μ2≤1,0≤γ1≤1,0≤γ2≤1。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆大学,未经重庆大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910009037.3/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种图像识别方法及装置
- 下一篇:一种融合暗通道的神经网络烟雾图像分类方法