基于像素状态编码与神经网络印象单元的改进池化方法

本发明提供一种基于像素状态编码与神经网络印象单元的改进池化方法，主要解决现有最大池化层像素梯度信息的损失问题，提升神经网络对局部特征表征能力；本发明构建包括印象单元矩阵组的基于印象单元的增强型池化层；印象单元矩阵组用于拟合采样窗口输入特征图矩阵的梯度分布状态，形成对采样区域像素分布状态的类语义表征，在保证采样区域内像素最大值采样的同时，实现对像素梯度分布状态的拟合，以补偿因池化采样所导致的梯度分布信息损失；相较于经典池化结构，大幅提升了图像重建中网络模型底层特征通道平均信息熵和平均梯度，补偿因池化采样所导致的梯度分布信息损失，有效改善网络特征的通道活性和数据损失。