[发明专利]特征图的池化方法、数据处理方法和计算设备在审
| 申请号： | 202110247088.7 | 申请日： | 2021-03-05 |
| 公开（公告）号： | CN112949829A | 公开（公告）日： | 2021-06-11 |
| 发明（设计）人： | 黄诗盛 | 申请（专利权）人： | 深圳海翼智新科技有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 代理公司： | 北京磐华捷成知识产权代理有限公司 11851 | 代理人： | 卜璐璐 |
| 地址： | 518055 广东省深圳市南山区西丽街道沙河*** | 国省代码： | 广东;44 |
| 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 方法 数据处理 计算 设备 | ||
1.一种特征图的池化方法，其特征在于，所述方法应用于包括至少一个空洞池化层的卷积神经网络，所述方法包括：
获取待池化的特征图；
基于所述空洞池化层对所述特征图进行池化，以得到池化后的特征图，其中所述空洞池化层为扩张率大于1的池化层。
2.根据权利要求1所述的方法，其特征在于，所述对所述特征图进行池化，以得到池化后的特征图，包括：
对所述特征图进行空洞平均池化，以得到池化后的特征图；
其中，所述空洞平均池化是指：将所述待池化的特征图中空洞池化核接受域中的所有值求平均值，以作为池化后的特征图中的值。
3.根据权利要求1所述的方法，其特征在于，所述对所述特征图进行池化，以得到池化后的特征图，包括：
对所述特征图进行空洞最大池化，以得到池化后的特征图；
其中，所述空洞最大池化是指：将所述待池化的特征图中空洞池化核接受域中的所有值求最大值，以作为池化后的特征图中的值。
4.根据权利要求1所述的方法，其特征在于，所述对所述特征图进行池化，以得到池化后的特征图，包括：
对所述特征图进行空洞抽样池化，以得到池化后的特征图；
其中，所述空洞抽样池化是指：将所述待池化的特征图中空洞池化核接受域中的所有值维持不变，以作为池化后的特征图中的值。
5.根据权利要求1所述的方法，其特征在于，所述对所述特征图进行池化，包括以下中的至少两项：
对所述特征图进行空洞平均池化，得到空洞平均池化特征图，所述空洞平均池化是指：将所述待池化的特征图中空洞池化核接受域中的所有值求平均值，以作为池化后的特征图中的值；
对所述特征图进行空洞最大池化，得到空洞最大池化特征图，所述空洞最大池化是指：将所述待池化的特征图中空洞池化核接受域中的所有值求最大值，以作为池化后的特征图中的值；
对所述特征图进行空洞抽样池化，得到空洞抽样池化特征图，所述空洞抽样池化是指：将所述待池化的特征图中空洞池化核接受域中的所有值维持不变，以作为池化后的特征图中的值；
其中，所述池化后的特征图包括所述空洞平均池化特征图、所述空洞最大池化特征图和所述空洞抽样池化特征图这三者中的至少两者。
6.根据权利要求1-5中的任一项所述的方法，其特征在于，所述空洞池化层的扩张率为2或3。
7.一种数据处理方法，其特征在于，所述方法包括：
获取待处理的数据；
基于包括至少一个空洞池化层的卷积神经网络处理所述数据，所述空洞池化层为扩张率大于1的池化层；
输出经所述卷积神经网络处理后的数据。
8.根据权利要求7所述的方法，其特征在于，所述基于包括至少一个空洞池化层的卷积神经网络处理所述数据，包括对从所述数据提取的特征图进行池化，以得到池化后的特征图。
9.根据权利要求8所述的方法，其特征在于，对所述特征图进行池化，包括以下中的至少一项：
对所述特征图进行空洞平均池化，得到空洞平均池化特征图，所述空洞平均池化是指：将所述待池化的特征图中空洞池化核接受域中的所有值求平均值，以作为池化后的特征图中的值；
对所述特征图进行空洞最大池化，得到空洞最大池化特征图，所述空洞最大池化是指：将所述待池化的特征图中空洞池化核接受域中的所有值求最大值，以作为池化后的特征图中的值；
对所述特征图进行空洞抽样池化，得到空洞抽样池化特征图，所述空洞抽样池化是指：将所述待池化的特征图中空洞池化核接受域中的所有值维持不变，以作为池化后的特征图中的值；
其中，所述池化后的特征图包括所述空洞平均池化特征图、所述空洞最大池化特征图和所述空洞抽样池化特征图这三者中的至少一者。
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深圳海翼智新科技有限公司，未经深圳海翼智新科技有限公司许可，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/202110247088.7/1.html，转载请声明来源钻瓜专利网。
