一种基于视觉域局部自适应的计算机视觉深度学习方法

摘要

本发明中提出的一种基于视觉域局部自适应的计算机视觉深度学习方法，其主要内容包括：视觉域定位、目标和域信息融合、局部自适应架构的实现和局部自适应实验评估，其过程为，首先将源图像和目标图像输入到一个神经卷积网络中，这个网络在图像网上进行了预训练；然后，用单元相乘将目标与域信息融合，以获取不同域的共有区域的卷积映射；接下来，执行一个最大池化层，紧接着对两个连接层进行规范化调整；最后，在Softmax层中根据源数据对目标进行分类。本方法采用了局部自适应架构，具有强大的空间存储，能够使计算机视觉实验结果更加显著，并且能够处理源图像中的局部微小的特征信息。