申请/专利权人：华南理工大学

申请日：2024-03-13

公开（公告）日：2024-04-12

公开（公告）号：CN117876716A

主分类号：G06V10/52

分类号：G06V10/52;G06V10/44;G06V10/764;G06V10/80;G06V10/82

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种利用分组小波包变换的轻量视觉信息提取方法，涉及一般的图像数据处理或产生。将卷积神经网络模型中的卷积操作替换为分组小波包变换模块，将输入特征图从空间域变换到频域，以获取频域特征图；在频域用卷积核对频域特征图进行深度可分离卷积，并对其输出的结果进行相加和拼接，以得到目标频域特征图；将目标频域特征图用分组小波包逆变换模块还原回空间域，得到输出特征图；将输出特征图进行卷积神经网络模型的前向传播，使用梯度下降法进行迭代训练，得到用于对图像进行分类的图像分类模型。本发明能够大幅提升图像分类精度，有效减少了卷积神经网络参数量与计算量，增强通道信息交互，提高网络表达能力。

主权项：1.一种利用分组小波包变换的轻量视觉信息提取方法，其特征在于，包括以下步骤：步骤一、构建图像数据集和确定通道压缩率，并根据所述通道压缩率确定分组小波包变换模块组长度r；步骤二、将输入图像输入卷积神经网络，将卷积神经网络模型中的卷积操作替换为分组小波包变换模块，其中，在所述分组小波包变换模块中，设待替换的卷积操作的输入特征图为X，将输入特征图X从空间域变换到频域，以获取频域特征图Y；步骤三、在频域用卷积核对所述频域特征图Y进行深度可分离卷积，并对其输出的结果进行相加和拼接，以得到聚合了通道信息和空间信息的目标频域特征图M；步骤四、将所述目标频域特征图M用分组小波包逆变换模块还原回空间域，得到输出特征图Q；步骤五、将所述输出特征图Q进行卷积神经网络模型的前向传播，使用梯度下降法进行迭代训练，得到用于对图像进行分类的图像分类模型。

全文数据：

权利要求：

百度查询： 华南理工大学 一种利用分组小波包变换的轻量视觉信息提取方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD