[發明專利]特征提取方法、圖像處理方法、模型訓練方法及裝置

有效

• 申請號: 201910011794.4
• 申請日: 2019-01-07
• 公開（公告）號: CN111414922B
• 公開（公告）日: 2022-11-15
• 發明（設計）人: 王永攀;鄭琪;許永超;黃騰騰;白翔;柏松
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06V10/40
• 分類號: G06V10/40;G06V10/74;G06V10/80;G06V10/82;G06N3/08
• 代理公司: 北京太合九思知識產權代理有限公司 11610
• 代理人: 曹威

1.一種圖像特征提取方法，其特征在于，包括：

接收神經網絡模型中特征層連接的前一網絡層輸出的第一圖像特征；其中，所述第一圖像特征包括多個像素點的第一像素特征；所述特征層位于神經網絡模型的輸入層以及輸出層之間；

根據任意像素點與其所在目標區域內的至少一個像素點的特征相似度，將所述任意像素點的第一像素特征與所述至少一個像素點的第一像素特征進行融合，獲得所述任意像素點的第二像素特征；

由多個任意像素點的第二像素特征構成所述特征層輸出的第二圖像特征；其中，所述第二圖像特征用于輸入所述特征層連接的后一網絡層；

所述神經網絡模型按照如下方式進行訓練：

將樣本圖像輸入所述神經網絡模型，獲得實際識別結果；其中，所述神經網絡模型包括輸入層、輸出層、位于所述輸入層以及所述輸出層之間的至少一個隱藏層及至少一個特征層構成；

根據所述實際識別結果與所述樣本圖像的期望識別結果，對所述神經網絡模型進行參數優化，獲得所述神經網絡模型中各個模型參數對應的候選調整系數；所述各個模型參數對應的候選調整系數包括所述特征層的模型參數對應的候選調整系數；

所述特征層的模型參數按照如下方式調整獲得；

基于所述樣本圖像，確定任意特征層的前一網絡層輸出的第一樣本特征；

利用所述特征層，計算所述第一樣本特征中任意像素點與其所在目標區域的至少一個像素點的實際特征相似度；

根據所述第一樣本特征中任意像素點與所述至少一個像素點的實際特征相似度及期望特征相似度，對所述特征層進行參數優化，獲得所述特征層的模型參數對應的第一調整系數；

將所述特征層對應的第一調整系數以及所述特征層對應的候選調整系數進行加權處理，獲得所述特征層對應的調整系數；

利用所述特征層的調整系數對所述特征層的模型參數進行數值調整；

或者，所述特征層的模型參數按照如下方式調整獲得：

基于所述樣本圖像，確定任意特征層的前一網絡層輸出的第一樣本特征；

利用所述特征層，計算所述第一樣本特征中任意像素點以及其所在目標區域的至少一個像素點的實際相似權重系數；

根據所述第一樣本特征中任意像素點以及所述至少一個像素點的實際相似權重系數及期望相似權重系數，對所述特征層進行參數優化，獲得所述特征層的模型參數對應的第二調整系數；

將所述特征層對應的第二調整系數以及所述特征層對應的候選調整系數進行加權處理，獲得所述特征層對應的調整系數；

利用所述特征層的調整系數對所述特征層的模型參數進行數值調整。

2.根據權利要求1所述的方法，其特征在于，所述根據任意像素點與其所在目標區域內的至少一個像素點的相似程度，將所述任意像素點的第一像素特征與所述至少一個像素點的第一像素特征進行融合，獲得所述任意像素點的第二像素特征包括：

計算任意像素點與其所在目標區域內的至少一個像素點的特征相似度；

根據所述任意像素點與所述至少一個像素點的特征相似度，確定所述任意像素點與所述至少一個像素點的相似權重系數；

利用所述任意像素點與所述至少一個像素點的相似權重系數，將所述任意像素點的第一像素特征與所述至少一個像素點的第一像素特征進行加權求和，獲得所述任意像素點的第二像素特征。

3.根據權利要求2所述的方法，其特征在于，所述計算任意像素點與其所在目標區域內的至少一個像素點的特征相似度包括：

利用預設卷積核對所述任意像素點所在目標區域進行卷積運算，將獲得的至少一個卷積特征作為與其所在目標區域內的至少一個像素點的特征相似度。

4.根據權利要求2所述的方法，其特征在于，所述根據所述任意像素點與所述至少一個像素點的特征相似度，確定所述任意像素點與所述至少一個像素點的相似權重系數包括：

將所述任意像素點與所述至少一個像素點的特征相似度進行歸一化處理，獲得所述任意像素點與所述至少一個像素點的相似權重系數。