[發(fā)明專利]一種圖像特征提取方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201910187905.7
• 申請(qǐng)日: 2019-03-13
• 公開（公告）號(hào): CN109977947A
• 公開（公告）日: 2019-07-05
• 發(fā)明（設(shè)計(jì)）人: 劉青青;楊學(xué);李建彬
• 申請(qǐng)（專利權(quán)）人: 中南大學(xué)
• 主分類號(hào): G06K9/32
• 分類號(hào): G06K9/32;G06K9/46;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種圖像特征提取方法，其特征在于：

S1.基于卷積神經(jīng)網(wǎng)絡(luò)和待檢測(cè)的目標(biāo)圖像，生成初始特征圖。

S2.將初始特征圖輸入到初始模塊中進(jìn)一步學(xué)習(xí)高階抽象的特征信息，得到增強(qiáng)特征圖。

S3.基于增強(qiáng)特征圖，利用監(jiān)督學(xué)習(xí)生成一個(gè)長寬和增強(qiáng)特征圖一樣的特征顯著圖。

S4.對(duì)特征顯著圖進(jìn)行歸一化處理。

S5.將初始特征圖和歸一化后的特征顯著圖相乘，得到凈化特征圖。

2.根據(jù)權(quán)利要求1所述的圖像特征提取方法，其特征在于：在步驟S2中，所述初始模塊中有4個(gè)分支，每個(gè)分支使用不同大小的多個(gè)非對(duì)稱卷積核提取不同抽象程度的高階抽象特征。然后將每個(gè)分支的輸出在通道維度上拼接到一起。

3.根據(jù)權(quán)利要求1至2任一項(xiàng)所述的圖像特征提取方法，其特征在于：在步驟S3中，根據(jù)監(jiān)督學(xué)習(xí)地思想訓(xùn)練模型生成特征顯著圖的過程中，需要根據(jù)標(biāo)注數(shù)據(jù)生成區(qū)分是否是物體的二值圖。再通過不斷優(yōu)化二值圖和特征顯著圖之間的交叉熵?fù)p失來指導(dǎo)模型學(xué)習(xí)生成正確的特征顯著圖。

4.根據(jù)權(quán)利要求3所述的圖像特征提取方法，其特征在于：在步驟S3中，二值圖和特征顯著圖之間的交叉熵?fù)p失定義如下：

其中超參數(shù)λ表示像素注意網(wǎng)絡(luò)損失函數(shù)L_att在整個(gè)目標(biāo)檢測(cè)模型損失函數(shù)中占的比重，w，h分別表示特征圖的長和寬，表示二值圖中第ij個(gè)像素的標(biāo)定值，u_ij表示第ij個(gè)像素的預(yù)測(cè)值。

5.根據(jù)權(quán)利要求4所述的圖像特征提取方法，其特征在于：在步驟S3中，特征顯著圖可以具有2通道，也可以只有1通道。

6.根據(jù)權(quán)利要求1至5任一項(xiàng)所述的圖像特征提取方法，其特征在于：在步驟S5中，任選取特征顯著圖中一個(gè)通道元素與初始特征圖每個(gè)通道中的元素相乘，得到凈化特征圖。

7.一種圖像特征提取裝置，包括處理器和存儲(chǔ)器，其特征在于：所述存儲(chǔ)器中存儲(chǔ)有計(jì)算機(jī)程序；所述計(jì)算機(jī)程序被所述處理器執(zhí)行時(shí)可實(shí)現(xiàn)如權(quán)利要求1至6任一項(xiàng)所述的方法。