[发明专利]一种基于深度学习自适应可变形卷积的特征图像提取方法有效
| 申请号： | 202011212397.2 | 申请日： | 2020-11-03 |
| 公开（公告）号： | CN112257727B | 公开（公告）日： | 2023-10-27 |
| 发明（设计）人： | 赵成明;陈金令;李洁 | 申请（专利权）人： | 西南石油大学 |
| 主分类号： | G06V10/44 | 分类号： | G06V10/44;G06V10/25;G06V10/82;G06N3/0464;G06N3/048;G06N3/084;G06N3/0985 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 610500 四*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习自适应可变形卷积的特征图像提取方法，包括自适应可变形卷积模块和自适应可变形的ROIpooling模块；所述自适应可变形卷积模块最主要的是采用了两种不同的可学习因子对偏移量和采样位置进行学习微调的方式，然后通过使用网格根据目标物体进行自适应的形变，产生更能符合目标物体的特征；所述自适应可变形的ROIpooling模块为池化层中的每个bin位置添加的一个偏移量，偏移量能从前面的特征图像以及感兴趣区域中进行学习得到，能对具有不同形变特性的目标物体实现自适应的准确定位。本发明提供的两个模块能够轻松替换现在主流的卷积层，且在不增加较多的参数情况下，提升卷积神经网络对模型的建模能力和图像检测精度。 | ||
| 搜索关键词： | 一种 基于 深度 学习 自适应 变形 卷积 特征 图像 提取 方法 | ||
【主权项】：
暂无信息
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西南石油大学，未经西南石油大学许可，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/202011212397.2/，转载请声明来源钻瓜专利网。
