1.一种面向多特征图的异构深度神经网络结构组合方法,其特征在于,所述面向多特征图的异构深度神经网络结构组合方法包括:
获取前置神经网络的输出模块输出的特征子图;
对所述特征子图进行拼接操作,得到拼接特征图;
将所述拼接特征图输出至后置神经网络的输入模块。
2.如权利要求1所述的面向多特征图的异构深度神经网络结构组合方法,其特征在于,所述前置神经网络为循环神经网络或卷积神经网络。
3.如权利要求1所述的面向多特征图的异构深度神经网络结构组合方法,其特征在于,所述后置神经网络为循环神经网络或卷积神经网络。
4.如权利要求3所述的面向多特征图的异构深度神经网络结构组合方法,其特征在于,当所述后置神经网络为卷积神经网络时,所述对所述特征子图进行拼接操作,得到拼接特征图的过程,包括:
设横向拼接参数为x,则纵向拼接参数y=c/x;其中,x为[1,c]之间的整数,且满足c可整除x,c为所述特征子图的个数;
将[1,x],[x+1,2x],…,[c-x+1,c]各区间的特征子图进行横向拼接,得到y个宽度为w*x,高度为h的横向拼接特征子图;其中,w为所述特征子图的宽度,h为所述特征子图的高度;
将y个横向拼接特征子图按顺序进行纵向拼接,得到一个宽度为w*x,高度为h*y的拼接特征图。
5.如权利要求3所述的面向多特征图的异构深度神经网络结构组合方法,其特征在于,当所述后置神经网络为循环神经网络时,所述对所述特征子图进行拼接操作,得到拼接特征图的过程,包括:
判断所述后置神经网络的输入模块的输入层神经元个数w是否为所述特征子图的宽度w的整数倍;
若w是w的整数倍,则计算横向拼接参数x=w/w,纵向拼接参数y=c/x;其中,c为所述特征子图的个数;
将[1,x],[x+1,2x],…,[c-x+1,c]各区间特征子图进行横向拼接,得到y个宽度为w*x,高度为h的横向拼接特征子图;其中,h为所述特征子图的高度;
将y个横向拼接特征子图按顺序进行纵向拼接,得到一个宽度为w*x,高度为h*y的拼接特征图。
6.一种面向多特征图的异构深度神经网络结构组合系统,其特征在于,所述面向多特征图的异构深度神经网络结构组合系统包括:
特征子图获取模块,用于获取前置神经网络的输出模块输出的特征子图;
特征子图拼接模块,用于对所述特征子图进行拼接操作,得到拼接特征图;
拼接特征图输出模块,用于将拼接特征图输至后置神经网络的输入模块。
7.如权利要求6所述的面向多特征图的异构深度神经网络结构组合系统,其特征在于,所述前置神经网络为循环神经网络或卷积神经网络。
8.如权利要求6所述的面向多特征图的异构深度神经网络结构组合系统,其特征在于,所述后置神经网络为循环神经网络或卷积神经网络。
9.如权利要求8所述的面向多特征图的异构深度神经网络结构组合系统,其特征在于,若后置神经网络为卷积神经网络,所述特征子图拼接模块用于:
设横向拼接参数为x,则纵向拼接参数y=c/x;其中,x为[1,c]之间的整数,且满足c可整除x,c为所述特征子图的个数;
将[1,x],[x+1,2x],…,[c-x+1,c]各区间的特征子图进行横向拼接,得到y个宽度为w*x,高度为h的横向拼接特征子图;其中,w为所述特征子图的宽度,h为所述特征子图的高度;
将y个横向拼接特征子图按顺序进行纵向拼接,得到一个宽度为w*x,高度为h*y的拼接特征图。
10.如权利要求8所述的面向多特征图的异构深度神经网络结构组合系统,其特征在于,若后置神经网络为循环神经网络,特征子图拼接模块用于:
判断所述后置神经网络的输入模块的输入层神经元个数w是否为所述特征子图的宽度w的整数倍;
若w是w的整数倍,则计算横向拼接参数x=w/w,纵向拼接参数y=c/x;其中,c为所述特征子图的个数;
将[1,x],[x+1,2x],…,[c-x+1,c]各区间特征子图进行横向拼接,得到y个宽度为w*x,高度为h的横向拼接特征子图;其中,h为所述特征子图的高度;
将y个横向拼接特征子图按顺序进行纵向拼接,得到一个宽度为w*x,高度为h*y的拼接特征图。