[发明专利]一种基于小规模参数矩阵计算特征图边界的重构方法

权利要求书

1.一种基于小规模参数矩阵计算的特征图边界重构方法，包括以下步骤：

(1)由小规模矩阵的复制与重塑，构造重构矩阵：小规模参数矩阵：n x n，将图片送入卷积神经网络，由网络中任意一卷积层得到a x b x c x d大小的矩阵，其中a表示送入模型数据的batch size,b代表Resnet50模型中间层提取到的特征图数量，cxd代表特征图大小；按照卷积层得到的数据量大小除以预设定好的小规模参数矩阵的参数量得到全为1的一维矩阵的参数量，并获得大小为的矩阵，小规模参数矩阵与此矩阵进行点乘操作，完成小规模参数矩阵的复制；先转化为六维矩阵：之后交换第4与第5维，后进行Reshape为四维矩阵：然后剪切此矩阵大小为卷积层得到的矩阵大小a x b x c x d，完成以小规模参数矩阵为单位，对此小规模参数矩阵复制多份，后重新整合为一个重构矩阵的操作；

(2)构建部件矩阵：按照n x n小规模参数矩阵的维度大小构建n*n个部件矩阵，遍历小规模矩阵所有的数据，并得到所有数据的位置，对于每一个数据的位置，都构建一个部件矩阵；遍历小规模矩阵的数据的位置是(y,z)，则对卷积层得到矩阵最后两维的(y,z)位置进行间隔小规模参数矩阵的第一维长度j位横向取样与间隔小规模参数矩阵的第二维长度r位纵向取样，最终得到大小为的矩阵，之后对此矩阵进行展平操作，展平为：大小规模的矩阵，之后构建大小为1xj xr的二维全一矩阵，之后使两矩阵进行点乘得到的二维矩阵，此操作同于：将取样数据每一个取样点扩展为与小规模参数矩阵大小相同、且矩阵内部数据均同于取样点的矩阵Ex，后依据取样排列顺序对Ex进行组合，先转化为6维矩阵：之后交换第4与第5维，之后进行Reshape为四维矩阵：然后剪切此矩阵大小为卷积层得到的矩阵大小a x b x c x d；

(3)重塑重构矩阵：步骤(2)得到的矩阵与步骤(1)所述的重构矩阵进行点乘，得到矩阵V1；

(4)消除外界因素对特征产生的干扰：遍历获得取样起始点j*r个，重复以上全部步骤，从而获得矩阵V1、V2……Vj*r共j*r个矩阵，使矩阵V1、V2……Vj*r共j*r个矩阵相加得到的矩阵为卷积层后特征图进行边界重构的结果图，让多个结果图进行点乘，小于1的数值经过相乘得到接近0的结果。

2.如权利要求1所述的一种基于小规模参数矩阵计算的特征图边界重构方法，其中：n取5或7。