[發(fā)明專利]一種基于圖像分割技術(shù)的圖像局部特征的提取方法

有效

• 申請?zhí)枺?/td>: 201810336591.8
• 申請日: 2018-04-16
• 公開（公告）號: CN108921850B
• 公開（公告）日: 2022-05-17
• 發(fā)明（設(shè)計）人: 張雷;陳杰
• 申請（專利權(quán)）人: 博云視覺（北京）科技有限公司
• 主分類號: G06T7/10
• 分類號: G06T7/10
• 代理公司: 北京科家知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11427
• 代理人: 陳娟

1.一種基于圖像分割技術(shù)的圖像局部特征的提取方法，其特征在于，包括以下步驟：

步驟1、構(gòu)建圖像分割模型，分割模型由多個不同功能的網(wǎng)絡(luò)層組成，包括CNN模型結(jié)構(gòu)、batchnorm層結(jié)構(gòu)、deconv層結(jié)構(gòu)；

步驟2、圖像輸入CNN網(wǎng)絡(luò)，獲得多層的特征圖，在經(jīng)過多個卷積層及池化降采樣之后，得到了特征圖以及對應(yīng)每張?zhí)卣鲌D降采樣時原本像素所在位置的信息；

步驟3、將特征圖通過上采樣模塊向上采樣，根據(jù)之前每層特征圖上像素原本的位置信息，重新將像素分配到原本的位置，使產(chǎn)生的特征圖和原始輸入圖像的特征保持一致；

步驟4、對新產(chǎn)生的特征圖上每個像素位置計算softmax損失，對每一個像素點的位置進行分類，通過比較手工標(biāo)注的圖像標(biāo)簽與網(wǎng)絡(luò)輸出的結(jié)果，計算出針對每個像素位置的損失，通過回傳損失，訓(xùn)練模型中的參數(shù)；

步驟5、不斷迭代上述過程，直到回傳的損失值小到接受范圍內(nèi)，完成圖像分割模型的構(gòu)建與訓(xùn)練的過程；

步驟6、完成圖像分割模型的構(gòu)建與訓(xùn)練的過程后，通過訓(xùn)練特征提取網(wǎng)絡(luò)，根據(jù)上一個分割網(wǎng)絡(luò)的輸出圖像，對原始圖像提取不同部位的特征，完成圖像局部特征的提取；

其中，所述特征提取網(wǎng)絡(luò)輸入的圖像是根據(jù)分割網(wǎng)絡(luò)的輸出結(jié)果，從原圖上提取相應(yīng)位置的圖像，取一塊矩形區(qū)域，矩形區(qū)域的大小根據(jù)實際檢索需求設(shè)定，對于在矩形區(qū)域內(nèi)，需要的類別所屬的像素位置上填充原圖像相應(yīng)位置像素，其余位置全部置0；

所述特征提取網(wǎng)絡(luò)在訓(xùn)練時,網(wǎng)絡(luò)的輸入圖像為三元組圖像,三元組中包含兩張同一目標(biāo)的圖像,一張不同目標(biāo)的圖像；訓(xùn)練結(jié)束,在用戶使用時,特征提取網(wǎng)絡(luò)的輸入一張圖像；

所述特征提取網(wǎng)絡(luò)輸入圖像可以是從整個場景中分割出的目標(biāo)圖像，也可以是目標(biāo)圖像的局部圖像。

2.如權(quán)利要求1所述的一種基于圖像分割技術(shù)的圖像局部特征的提取方法，其特征在于，所述步驟6的特征提取網(wǎng)絡(luò)包括模型構(gòu)建部分和特征訓(xùn)練部分。

3.如權(quán)利要求2所述的一種基于圖像分割技術(shù)的圖像局部特征的提取方法，其特征在于：所述特征提取網(wǎng)絡(luò)特征提取的分支部分采用殘差設(shè)計，通過將圖像分割網(wǎng)絡(luò)模型的輸出，輸入特征提取網(wǎng)絡(luò)的殘差網(wǎng)絡(luò)，經(jīng)過一系列的殘差層，最終使用三元組損失函數(shù)與softmax損失函數(shù)，共同監(jiān)督這個特征提取網(wǎng)絡(luò)的訓(xùn)練。