一种基于小波分析的超高维数据重建深度学习方法

摘要

本发明公开了一种基于小波分析的超高维数据重建深度学习方法，利用高维高阶的离散小波包变换来扩展高维数据到不同的频域通道，结合多个并行的神经网络，实现了高维数据的重构任务；先进行数据预处理，再通过小波包变换为不同频带子域的小波包系数，输入到为其搭建并训练独立网络，网络的输出通过小波包反变换，重建原始图像。本发明利用高维数据经小波变换后各频域独立的性质，并行地利用GPU内存，加速了神经网络的训练进程，使原受限于硬件计算资源的深度学习人工任务变为可能。本发明亦推广到分割及生成任务。对于分割任务，U‑net网络输出结果经反卷积上采样为原始图像分辨率分割标签。对于生成任务，各通道的神经网络改为GAN。