摘要
本发明提供了一种基于高维移位场的深度特征表征方法,包括:步骤1,对光谱视频数据进行维度重组与光谱通道映射处理,通过深度卷积网络进行特征提取,得到光谱视频数据的多维深度特征图;步骤2,为多维深度特征图中的每一个体素预测一个三维时空空间中的移位偏置;步骤3,多维深度特征图在光谱视频多维空间中进行采样,计算插值权重,得到经过体素移位场增强处理后的深度移位特征图;步骤4,利用卷积核对深度移位特征图进行处理后与输入的多维深度特征图进行残差连接,得到最终的输出特征图。本发明可以实现光谱视频高维数据的深度特征有效提取与更具细粒度的结构化表征。
技术关键词
特征表征方法
代表
视频
深度卷积网络
双线性插值
GPU并行计算
通道
输出特征
全局平均池化
数据
网络特征
处理器
采样点
立方体
存储器
坐标
注意力
电子设备
指令
系统为您推荐了相关专利信息
图像超分辨率重建
铁路
退化模型
注意力机制
损失函数优化
虚拟屏幕
显示终端
无线WiFi热点
展示方法
web访问
远程监控方法
VR设备
环境参数监测器
设备状态传感器
生命体征监测仪
区域分割方法
二值化图像
超声图像处理技术
边缘检测算法
像素
离散制造业
关键特征值
关键帧
接入设备控制系统
坐标