[发明专利]一种用于目标重建的嵌套结构的渐进式稠密网络

权利要求书

1.一种用于目标重建的嵌套结构的渐进式稠密网络，其特征在于，包括局部稠密块和全局稠密块；

局部稠密块包括局部稠密连接、局部特征融合和局部残差学习；

局部稠密连接用于将局部稠密块中卷积单元的输出都输入到该局部稠密块中的之后所有的卷积单元；

局部特征融合用于将当前局部稠密块的输入和之前保留的卷积单元的输出进行特征融合学习，自适应地选择特征；

局部残差学习用于构建输入数据更加稀疏的网络；

在每个局部稠密块之前均设置一个瓶颈层；局部稠密块含有卷积单元，卷积单元包含卷积层和ReLU层；

全局稠密块包括全局稠密连接、全局特征融合和全局残差学习；

全局稠密连接用于将每一个局部稠密块的输出都输入到之后所有的局部稠密块；

全局特征融合用于将之前保留的局部稠密块的输出进行特征融合学习，自适应地选择特征；

全局残差学习构建输入数据更加稀疏的网络。

2.根据权利要求1所述的一种用于目标重建的嵌套结构的渐进式稠密网络，其特征在于，对于局部稠密连接，第d个局部稠密块中第c个卷积单元的输出表示为：

F_d,c＝σ(W_d,c[F′_d-1,F_d,1,...,F_d,c-1]+B_d,c) (1)

其中，σ表示ReLU激活函数，W_d,c和B_d,c分别表示第d个局部稠密块中第c个卷积单元的重量和偏差，[F′_d-1,F_d,1,...,F_d,c-1]表示之前所有局部稠密块的输出特征图以及第d个局部稠密块中第1～c-1个卷积单元输出特征图的串联。

3.根据权利要求1所述的一种用于目标重建的嵌套结构的渐进式稠密网络，其特征在于，对于局部特征融合，采用1×1卷积层，第d个局部稠密块局部特征融合提取特征的计算公式为：

其中，表示第d个局部稠密块的局部特征融合函数，[F′_d-1,F_d,1,...,F_d,c-1]表示之前所有局部稠密块的输出特征图以及第d个局部稠密块中第1～c-1个卷积单元输出特征图的串联。

4.根据权利要求1所述的一种用于目标重建的嵌套结构的渐进式稠密网络，其特征在于，对于局部残差学习，第d个局部稠密块最终输出的计算公式为：

F_d＝F′_d-1+F_d,LF (3)

其中，F′_d-1表示第d个局部稠密块的输入，F_d,LF表示第d个局部稠密块局部特征融合输出。

5.根据权利要求1所述的一种用于目标重建的嵌套结构的渐进式稠密网络，其特征在于，所述局部稠密块的卷积单元中的卷积层数量由输入端向输出端线性递增。

6.根据权利要求1所述的一种用于目标重建的嵌套结构的渐进式稠密网络，其特征在于，每个局部稠密块之前引入仅包含1×1卷积层的瓶颈层，用于自适应地选择特征并控制每个局部稠密块的输入特征的数量。

7.根据权利要求1所述的一种用于目标重建的嵌套结构的渐进式稠密网络，其特征在于，第d+1个局部稠密块的实际输入表示为：

F′_d＝H_BL([F₀,F₁,...F_d]) (4)

其中，H_BL表示瓶颈层函数，[F₀,F₁,...F_d]表示对原始特征F₀和前d个局部稠密块输出特征F₁,...F_d的特征堆叠。