一种多尺度逐步累加的卷积神经网络学习方法

摘要

本发明涉及一种多尺度逐步累加的卷积神经网络学习方法，可广泛应用于机器视觉和人工智能领域，例如目标检测、目标分类、目标识别等。首先，本发明采用均值池化操作对输入图像构建多尺度图像金字塔；然后，将各个不同尺度的图像逐步送入卷积神经网络，让卷积神经网络随着网络深度的逐步深入，能够在多种不同尺度的图像上进行学习并进行特征逐步累加，从提高了而卷积神经网络的特征学习能力。