面向机器视觉任务的多尺度图像特征压缩算法

针对协作智能框架中机器视觉任务的中间特征数据量大、难以高效传输等问题，提出了一种多尺度图像特征融合压缩算法。首先，根据边缘设备上深度学习模型输出的多尺度特征，设计级联残差变换模块，通过不同尺寸特征的逐级相减，消除多尺度特征的相关冗余，并将残差特征压缩到统一尺寸；然后，设计自编码器，用算术编码来消除紧凑特征的统计冗余；接着，在云端根据解码的紧凑特征设计预测重建模块生成预测特征，并与残差特征相结合实现多尺度特征的精确重建；最后，通过构建联合优化函数对残差变换、自编码和预测重建3个模块开展协同优化，实现传输码率与信息表征能力的最优权衡。仿真实验结果表明：所提算法在空间压缩时不仅特征压缩率最大，而且重建特征最完整；在传输码率为0.1 bit/像素时，与图像编码算法(VVC)和特征压缩算法(MSFC)相比，所提算法的模型精度分别提高了8.57%和3.87%。该研究可为机器视觉编码框架提供技术支撑，具有一定的工程应用价值。