[發明專利]一種特征提取方法及裝置

在審

• 申請號: 201910657271.7
• 申請日: 2019-07-19
• 公開（公告）號: CN112241740A
• 公開（公告）日: 2021-01-19
• 發明（設計）人: 劉萌萌
• 申請（專利權）人: 新華三技術有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06T3/40;G06N3/04
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 孟維娜;李欣

本申請實施例提供了一種特征提取方法及裝置，涉及圖像處理技術領域，其中，上述方法包括：獲得待處理圖像；將待處理圖像輸入預先訓練的特征提取模型進行特征提取，得到待處理圖像的預設尺寸的特征圖像，具體的，在待處理圖像的尺寸與預設尺寸不一致的情況下，基于預設尺寸對待處理圖像進行縮放，得到縮放圖像；通過卷積操作提取縮放圖像的特征，得到第一特征圖像；尺寸轉換層，通過卷積操作對第一特征圖像進行尺寸轉換，得到尺寸與預設尺寸一致的第二特征圖像，作為待處理圖像的特征圖像。應用本申請實施例提供的方案進行特征提取，能夠減少所提取特征的損失。

技術領域

本申請涉及圖像處理技術領域，特別是涉及一種特征提取方法及裝置。

背景技術

隨著人工智能技術的快速發展，越來越多針對圖像的應用基于神經網絡模型實現。例如，上述針對圖像的應用為人臉對比、人臉定點等等。為便于表述，也可以將上述應用所基于的神經網絡模型稱為應用網絡模型。

具體應用中，上述應用網絡模型的輸入信息一般為圖像的特征圖像，且要求圖像的特征圖像為設定的尺寸。現有技術中對圖像進行特征提取時，一般也基于神經網絡模型實現，可以將這一模型稱為特征提取模型。

為保證特征提取模型對圖像進行特征提取得到的特征圖像與上述設定的尺寸一致，一般要求特征提取模型的輸入圖像為尺寸相同的圖像。另外，上述特征提取模型在對輸入圖像進行特征提取后，采用將特征映射到固定尺寸的網格、并基于網格進行池化的方式得到上述設定尺寸的特征圖像。

雖然應用上述方式能夠得到設定尺寸的特征圖像，但是由于上述池化操作相當于對特征進行下采樣，會導致特征損失，進而導致上述應用網絡模型以上述特征圖像為輸入信息，進行應用處理時，結果不準確甚至是結果錯誤。

發明內容

本申請實施例的目的在于提供一種特征提取方法及裝置，以減少所提取特征的損失。具體技術方案如下：

第一方面，本申請實施例提供了一種特征提取方法，所述方法包括：

獲得待處理圖像；

將所述待處理圖像輸入預先訓練的特征提取模型進行特征提取，得到所述待處理圖像的預設尺寸的特征圖像；

其中，所述將所述待處理圖像輸入預先訓練的特征提取模型進行特征提取，得到所述待處理圖像的預設尺寸的特征圖像，包括：

在所述待處理圖像的尺寸與所述預設尺寸不一致的情況下，基于所述預設尺寸對所述待處理圖像進行縮放，得到縮放圖像；

通過卷積操作提取所述縮放圖像的特征，得到第一特征圖像；

通過卷積操作對所述第一特征圖像進行尺寸轉換，得到尺寸與所述預設尺寸一致的第二特征圖像，作為所述待處理圖像的特征圖像。

本申請的一個實施例中，所述在所述待處理圖像的尺寸與所述預設尺寸不一致的情況下，基于所述預設尺寸對所述待處理圖像進行縮放，得到縮放圖像，包括：

在所述待處理圖像的尺寸與所述預設尺寸不一致的情況下，選擇第一比例和第二比例中的最小值，作為縮放比例，其中，所述第一比例為：所述預設尺寸中的預設寬度與所述待處理圖像的寬度之間的比例，所述第二比例為：所述預設尺寸中的預設高度與所述待處理圖像的高度之間的比例；

按照所述縮放比例對所述待處理圖像進行等比例縮放，得到縮放圖像。

本申請的一個實施例中，所述通過卷積操作提取所述縮放圖像的特征，得到第一特征圖像，包括：

通過步長為1的卷積核提取所述縮放圖像的特征，得到與所述縮放圖像尺寸一致的第一特征圖像。

本申請的一個實施例中，所述通過卷積操作對所述第一特征圖像進行尺寸轉換，得到尺寸與所述預設尺寸一致的第二特征圖像，包括：