[发明专利]一种可充分保留图像特征的特征提取模型及特征提取方法在审
| 申请号： | 201910865573.3 | 申请日： | 2019-09-12 |
| 公开（公告）号： | CN110659653A | 公开（公告）日： | 2020-01-07 |
| 发明（设计）人： | 刘天弼;杜姗姗;冯瑞 | 申请（专利权）人： | 复旦大学 |
| 主分类号： | G06K9/46 | 分类号： | G06K9/46;G06K9/62 |
| 代理公司： | 31204 上海德昭知识产权代理有限公司 | 代理人： | 郁旦蓉 |
| 地址： | 200433 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 目前深度卷积神经网络的主干网都起源于最初的图像分类网络，在应用于目标检测、语义分割、目标分割等领域时，传统骨干网不断抛弃特征信息的做法导致后期分析时信息量不足。为了解决上述问题，本发明提供了一种可充分保留图像特征的特征提取模型，用于对任意分辨率的输入图像进行无损的特征提取操作，其特征在于，包括：多个卷积操作层，由通道分离卷积和1×1卷积构成；多个池化操作层，该池化操作层中池化的步长为1，边界填充以0和1像素交替执行，其中，池化操作层的数量为偶数个。 | ||
| 搜索关键词： | 操作层 池化 卷积 卷积神经网络 特征提取模型 边界填充 交替执行 目标分割 目标检测 输入图像 特征提取 特征信息 通道分离 图像分类 图像特征 语义分割 骨干网 主干网 分辨率 无损 像素 信息量 起源 抛弃 保留 应用 分析 网络 | ||
【主权项】：
1.一种可充分保留图像特征的特征提取模型，用于对任意分辨率的输入图像进行无损的特征提取操作，其特征在于，包括：/n多个卷积操作层，由通道分离卷积和1×1卷积构成；/n多个池化操作层，该池化操作层中池化的步长为1，边界填充以0和1像素交替执行，/n其中，所述池化操作层的数量为偶数个。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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复旦大学，未经复旦大学许可，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/patent/201910865573.3/，转载请声明来源钻瓜专利网。
