[發明專利]圖像特征提取方法、裝置、存儲介質及電子設備

有效

• 申請號: 201910611747.3
• 申請日: 2019-07-08
• 公開（公告）號: CN110298413B
• 公開（公告）日: 2021-07-16
• 發明（設計）人: 喻冬東;王長虎
• 申請（專利權）人: 北京字節跳動網絡技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 北京英創嘉友知識產權代理事務所(普通合伙) 11447
• 代理人: 魏嘉熹

1.一種圖像特征提取方法，其特征在于，所述方法包括：

提取目標圖像的原始特征圖；

將所述原始特征圖輸入多個非局部注意力神經網絡進行特征提取，獲得所述原始特征圖在多種分辨率下對應的非局部注意力特征圖，其中，各個非局部注意力神經網絡對應的池化層步長不同；

將所述原始特征圖和各個所述非局部注意力特征圖進行融合，獲得目標圖像對應的目標特征圖。

2.根據權利要求1所述的方法，其特征在于，所述將所述原始特征圖和各個所述非局部注意力特征圖進行融合，獲得目標圖像對應的目標特征圖的步驟包括：

確定各個所述非局部注意力特征圖和所述原始特征圖分別對應的權重值；

根據各個所述非局部注意力特征圖和所述原始特征圖分別對應的權重值，確定原始特征圖加權值和各個非局部注意力特征圖加權值；

根據所述原始特征圖加權值和各個所述非局部注意力特征圖加權值，對所述原始特征圖和各個所述非局部注意力特征圖進行融合，獲得所述目標特征圖。

3.根據權利要求2所述的方法，其特征在于，所述確定各個所述非局部注意力特征圖和所述原始特征圖分別對應的權重值，包括：

將所述原始特征圖輸入預訓練的權重確定模型，獲得所述權重確定模型輸出的權重通道向量；

對所述權重通道向量進行解碼，獲得所述權重通道向量的每個通道的權重值，其中，所述原始特征圖和各個所述非局部注意力特征圖與所述權重通道向量的通道一一對應。

4.根據權利要求2所述的方法，其特征在于，所述根據所述原始特征圖加權值和各個所述非局部注意力特征圖加權值，對所述原始特征圖和各個所述非局部注意力特征圖進行融合，獲得所述目標特征圖的步驟，包括：

將所述原始特征圖加權值和各個所述非局部注意力特征圖加權值之和確定為所述目標特征圖。

5.根據權利要求2所述的方法，其特征在于，所述根據所述原始特征圖加權值和各個所述非局部注意力特征圖加權值，對所述原始特征圖和各個所述非局部注意力特征圖進行融合，獲得所述目標特征圖的步驟，包括：

將所述原始特征圖加權值和各個所述非局部注意力特征圖加權值進行拼接，獲得加權特征圖；

將所述加權特征圖進行降維，獲得所述目標特征圖。

6.根據權利要求1-5中任一項所述的方法，其特征在于，所述方法還包括：

根據所述目標特征圖，對所述目標圖像進行處理。

7.一種圖像特征提取裝置，其特征在于，所述裝置包括：

第一提取模塊，用于提取目標圖像的原始特征圖；

第二提取模塊，用于將所述原始特征圖輸入多個非局部注意力神經網絡進行特征提取，獲得所述原始特征圖在多種分辨率下對應的非局部注意力特征圖，其中，各個非局部注意力神經網絡對應的池化層步長不同；

融合模塊，用于將所述原始特征圖和各個所述非局部注意力特征圖進行融合，獲得目標圖像對應的目標特征圖。

8.根據權利要求7所述的裝置，其特征在于，所述融合模塊包括：

第一確定子模塊，用于確定各個所述非局部注意力特征圖和所述原始特征圖分別對應的權重值；

第二確定子模塊，用于根據各個所述非局部注意力特征圖和所述原始特征圖分別對應的權重值，確定原始特征圖加權值和各個非局部注意力特征圖加權值；

融合子模塊，用于根據所述原始特征圖加權值和各個所述非局部注意力特征圖加權值，對所述原始特征圖和各個所述非局部注意力特征圖進行融合，獲得所述目標特征圖。

9.一種計算機可讀介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現權利要求1-6中任一項所述方法的步驟。

10.一種電子設備，其特征在于，包括：

存儲裝置，其上存儲有計算機程序；

處理裝置，用于執行所述存儲裝置中的所述計算機程序，以實現權利要求1-6中任一項所述方法的步驟。