[发明专利]一种基于单位可变形卷积的密集连接方法

摘要

本发明涉及一种基于单位可变形卷积的密集连接方法，通过单位可变形卷积操作对浅层特征进行信息增强，随后将其与跨层的深层特征图进行通道维度上的拼接，进而可以充分合理地利用浅层特征图的细节特征对深层特征图进行信息补充。首先通过多次传统卷积操作、非线性变换以及特征归一化等一系操作对浅层特征进行特征提取；其次对上述浅层信息进行信息增强和尺寸调整，即对浅层特征图进行单位可变形卷积和池化等操作；最后通过跳跃连接的方式将上述两步的结果进行通道维度上的拼接，最终得到一个具有丰富语义的特征层。本发明通过信息增强操作充分地、合理地利用了浅层信息，可以用于提升多种目标检测网络的检测精度。

主权项

1.一种基于单位可变形卷积的密集连接方法，其特征在于步骤如下：步骤1：对卷积网络中靠前的浅层特征图Layer1进行特征提取，得到跨层的深层特征图Layer2_1；步骤2：对卷积网络中靠前的浅层特征图Layer1进行信息增强和尺寸调整：采用单位可变形卷积操作对浅层特征进行增强，使得增强后的特征图Layer2_2与特征图Layer2_1的通道维度相同；对浅层特征图Layer1进行单位可变形卷积操作：input(a′)＝input(a+δ)  (1)G(p,q)＝g(px,qx)×g(py,qy)  (3)g(px,qx)＝max(0,1‑|px‑qx|)  (4)其中：input(a)表示被卷积特征图上像素点a处的特征值，δ表示单位偏移量，a′为a偏移后的点；由于a′的位置值通常包含小数，为得到该点特征值，采用双线性插值的方式，采用公式3～5；G(a′,a′θ)代表偏移后的点a′与该点周围的点a′θ间的距离，其中p、q为距离公式G(·)的两个二维变量，包含x,y两个维度的分量qx px qy py；然后对被卷积的特征图进行可学习的重新整合，得到全新的图input′(·)；进一步对新的特征图进行传统3×3的卷积操作，采用公式5，output′(a)表示a点经过单位可变形卷积操作后的特征值；对增强后的特征图Layer2_2进行最大池化操作得到尺寸调整后的特征图Layer2_2；步骤3：利用Concat连接的方式将经步骤1特征提取得到的深层特征图Layer2_1与经步骤2信息增强和尺寸调整得到的特征图Layer2_2进行密集连接。