[发明专利]一种基于对数极空间卷积对数据进行处理的方法

权利要求书

1.一种基于对数极空间卷积对数据进行处理的方法，其特征在于，包括以下步骤：

1)构建基于对数极空间的卷积核；

2)判断是否存在常规卷积神经网络，若不存在，则进入步骤3)，否则，进入步骤4)；

3)以步骤1)中构建的基于对数极空间卷积核为基础构建卷积层，进而构建新的卷积神经网络，并将输入图像或特征图输入新的卷积神经网络进行数据处理得到输出特征图；

4)利用步骤1)中构建的基于对数极空间的卷积核替换常规卷积网络中的卷积核，并将输入图像或特征图输入替换后的常规卷积网络中，通过对数极空间池化操作，用常规卷积实现对数极空间卷积，得到输出特征图。

2.如权利要求1所述的一种基于对数极空间卷积对数据进行处理的方法，其特征在于：所述步骤1)中，构建基于对数极空间的卷积核时，包括以下步骤：

1.1)确定LPSC核的局部感受野及其超参数，所述局部感受野采用圆形对数极空间，所述圆形对数极空间的超参数包括：卷积核半径为R，卷积核大小为2R+1，距离级别数为L_r，方向级别数为L_θ，距离增长率为g；

1.2)在对数极坐标空间中，将步骤1.1)中的局部感受野均匀地划分为L_r×L_θ个区域；

1.3)为步骤1.2)中的各个区域分配一个权重参数W(l，m)，使得落入相同区域的输入图像或特征图的所有像素共享相同的权重，并为中心像素分配一个额外的单独权重W(0，0)；

1.4)基于各区域中的最大的一个像素值N_l，m对步骤1.3)中确定的各区域的权重参数W(l，m)进行规范，得到各个区域的最终权重。

3.如权利要求2所述的一种基于对数极空间卷积对数据进行处理的方法，其特征在于：所述步骤1.2)中，将步骤1.1)中的局部感受野均匀地划分为L_r×L_θ个区域的方法，包括以下步骤：

1.2.1)将输入图像或特征图X在Δ范围内的所有像素根据其到中心位置的相对平方距离，划分为L_r个级别，其中，Δ＝[c_h-R，c_h+R]×[c_w-R，c_w+R]，(c_h，c_w)为LPSR卷积核的中心位置；

1.2.2)将Δ范围内的所有位置根据其相对于中心位置的相对方向均匀地划分为L_θ个级别；

1.2.3)根据所有位置相对中心位置的夹角和平方距离，将卷积核的局部感受野分为L_r×L_θ个区域。

4.如权利要求3所述的一种基于对数极空间卷积对数据进行处理的方法，其特征在于：所述步骤1.2.1)中，L_r个级别中各级别半径满足以下公式：

log(R_l+1)-log(R_l)＝log(R_l)-log(R_l-1)＝log(g)

其中，R_l(l＝1，…，L_r)是第l级的半径；增长率g是控制扩展速度的超参数。

5.如权利要求4所述的一种基于对数极空间卷积对数据进行处理的方法，其特征在于：所述步骤1.2.1)中，级别半径R_l的范围为其中，R为卷积核半径，L_r为距离级别数，g为增长率。

6.如权利要求3所述的一种基于对数极空间卷积对数据进行处理的方法，其特征在于：所述步骤1.2.2)中，将Δ范围内的所有位置根据其相对于中心的相对方向均匀地划分为L_θ个级别时，划分方法为：如果2π(m-1)/L_θ≤θ_i，j＜2πm/L_θ，则位置(i，j)属于第m级，其中θ_i，j是向量(0，1)到向量(i-c_h，j-c_w)的逆时针角度。