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

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。