一种轻量化的特征图处理方法与流程

技术特征：
1.一种轻量化的特征图处理方法，其特征在于，该方法具体包括以下步骤：s1：输入图像处理后得到的特征图ⅰ；s2：将步骤s1得到的特征图ⅰ升维，然后使用分组卷积处理，将特征图分为等通道数的若干组特征图ⅱ；s3：分别对步骤s2得到的每组特征图ⅱ进行不同感受野的卷积操作，得到特征图iii；s4：将步骤s3得到的每组特征图iii进行拼接，形成特征图ⅳ；s5：将步骤s4得到的特征图ⅳ输入改进后的eca模块中，施加通道注意力机制，得到特征图v；s6：将步骤s5得到的特征图v降维后与输入的特征图ⅰ进行跳连形成最终的特征图。2.根据权利要求1所述的轻量化的特征图处理方法，其特征在于，步骤s2中，分组卷积处理具体包括：通过1*1的卷积核来扩张通道数，并根据需求自行设置分为几个等通道数的特征图ⅱ。3.根据权利要求1所述的轻量化的特征图处理方法，其特征在于，步骤s3中，使用不同感受野的卷积操作处理分组后的特征图ⅱ，即是采用不同的卷积核大小和不同的卷积方式，同时，使用两个3*3的卷积核或者一个dilation rate＝2的3*3的空洞卷积来代替传统网络中卷积核为5*5的卷积，三个3*3的卷积核或者一个dilation rate＝3的3*3的空洞卷积来代替传统网络中卷积核为7*7的卷积。4.根据权利要求1所述的轻量化的特征图处理方法，其特征在于，步骤s5中，改进后的eca模块是将传统网络的eca模块中的归一化操作替换为使用b_sigmoid函数，其表达式为：其中，relu6(
·
)是限制最大数值为6的relu函数，α是用来控制函数斜率的系数。5.根据权利要求1所述的轻量化的特征图处理方法，其特征在于，步骤s6中，使用1*1的卷积核来压缩通道数；所述跳连是将最初输入的特征图ⅰ与施加通道注意力机制后的特征图v进行跳连。

技术总结
本发明涉及一种轻量化的特征图处理方法，属于图像处理技术领域。该方法包括：S1：输入图像处理后得到的特征图Ⅰ；S2：将特征图Ⅰ升维，然后使用分组卷积处理，将特征图分为等通道数的若干组特征图Ⅱ；S3：分别对每组特征图Ⅱ进行不同感受野的卷积操作，得到特征图Ⅲ；S4：将每组特征图Ⅲ进行拼接，形成特征图Ⅳ；S5：将特征图Ⅳ输入改进后的ECA模块中，施加通道注意力机制，得到特征图


技术研发人员：袁正午 刘鑫杰 唐婵 王阳
受保护的技术使用者：重庆邮电大学
技术研发日：2021.11.26
技术公布日：2022/4/6