一种图像传感器轻量化深度学习方法及系统

本发明提出一种图像传感器轻量化深度学习方法及系统，该方法用于替代现有神经网络中标准卷积操作，包括对输入的特征图进行批量标准化处理和排序重构，沿通道维度将排序重构后的特征图分成第一高方差特征组和第一低方差特征组；对第一高、低方差特征组的特征图进行预处理得到第二高、低方差特征组；对第二高方差特征组和第二低方差特征组的特征图进行分组，基于分组结果进行互补融合处理，得到融合后的输出特征图；对融合后的输出特征图进行处理，使用通道注意力机制动态调整每个通道的权重，获得最终输出特征图。本发明用来代替标准卷积操作，使用更少的参数量来达到比标准卷积操作更好的效果，能够广泛应用于特征图传感器等计算资源受限的嵌入式平台，完成特征图分类、目标检测和特征图分割等处理。