一种多项式多尺度空间特征学习方法与流程

技术特征：
1.一种多项式多尺度空间特征学习方法，其特征在于，具体步骤为：创建具有空洞卷积层的网络；构建hermite多项式；依据hermite多项式和具有空洞卷积层的网络构建递归hermite多项式网络；通过递归hermite多项式网络中可训练的hermite系数聚合多个子尺度特征。2.根据权利要求1所述的一种多项式多尺度空间特征学习方法，其特征在于，具有空洞卷积层的网络卷积层计算公式为：式中，l为层数；c为输出通道，c＝1,2,...,c
ot
；x，y均为特征图中的空间位置的索引；为第l 1层的输出特征，k为输入通道，k∈1,2,...,c
in
；i为横向坐标值；j为纵向坐标值，值；j为纵向坐标值，为第l层的特征。3.根据权利要求2所述的一种多项式多尺度空间特征学习方法，其特征在于，具有空洞卷积层的网络中，各层的扩张率为d时，扩张卷积层为：4.根据权利要求1所述的一种多项式多尺度空间特征学习方法，其特征在于，hermite多项式为：式中，n为hermite多项式的阶数；x为可变量。5.根据权利要求4所述的一种多项式多尺度空间特征学习方法，其特征在于，hermite各阶项的递归关系为：h
n 1
(x)＝2xh
n
(x)-2nh
n-1
(x)
ꢀꢀꢀꢀꢀ
(4)。6.根据权利要求1所述的一种多项式多尺度空间特征学习方法，其特征在于，递归hermite多项式网络的核心是hermite多项式块，在单个卷积层中，hermite多项式块实现特征扩展，并将多项式激活转发为低通特征。7.根据权利要求6所述的一种多项式多尺度空间特征学习方法，其特征在于，hermite多项式分块运算表达式为：式中，l为层数；c为输出通道，c＝1,2,...,c
ot
；x，y均为特征图中的空间位置的索引；为第l 1层的输出特征，k为输入通道，k∈1,2,...,c
in
；i为横向坐标值；j为纵向坐标值，值；j为纵向坐标值，为第l层的特征；c
n
为n阶多项式的hermite系数，σ为
激活函数，n为hermite多项式的阶数；h
n
为hermite多项式；d为各层扩张率。

技术总结
本发明公开了一种多项式多尺度空间特征学习方法，涉及卷积网络学习相关技术领域，具体步骤为：创建具有空洞卷积层的网络；构建Hermite多项式；依据Hermite多项式和具有空洞卷积层的网络构建递归Hermite多项式网络；通过递归Hermite多项式网络中可训练的Hermite系数聚合多个子尺度特征，获得具有粒度的多尺度特征。本申请利用空洞卷积来维持跨层的空间特征；将卷积结果带入Hermite多项式，递归地构造子尺度特征，以此避免由于使用空洞卷积而形成的伪影。成的伪影。成的伪影。


技术研发人员：武琳 朱方喆
受保护的技术使用者：合肥工业大学
技术研发日：2021.11.03
技术公布日：2022/2/8