[發明專利]特征提取方法、裝置、電子設備及計算機可讀存儲介質

在審

• 申請號: 202010597972.9
• 申請日: 2020-06-28
• 公開（公告）號: CN111914894A
• 公開（公告）日: 2020-11-10
• 發明（設計）人: 劉想;陳威;楊鄰瑞;謝隆飛;邵小亮;李志福
• 申請（專利權）人: 中國建設銀行股份有限公司;建信金融科技有限責任公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京市蘭臺律師事務所 11354
• 代理人: 張峰

本申請提供了一種特征提取方法、裝置、電子設備及計算機可讀存儲介質，應用于目標檢測技術領域，其中該方法包括：通過上采樣信息融合通道將低分辨率的深層特征圖融合到高分辨率的淺層特征圖中，以及通過下采樣信息融合通道將高分辨率的淺層特征圖逐漸融合到低分辨率的高層特征圖中，然后對通過兩個通道得到的不同分辨率的融合特征進一步融合處理得到目標特征，使得目標特征包含了所有分辨率特征圖的特征，從而能通提升目標檢測的準確性。

技術領域

本申請涉及目標檢測技術領域，具體而言，本申請涉及一種特征提取方法、裝置、電子設備及計算機可讀存儲介質。

背景技術

圖像中的目標往往在姿態、尺度、長寬比等方面呈現多樣性，使得無法很好的檢測出多類別不同大小的目標，尤其在復雜場景下圖像背景多變、目標尺度相對較小時，更加難以準確檢測到。

目前，通常使用深度卷積神經網絡來進行目標檢測，例如常用的模型結構有yolov3、Faster R-CNN、retinanet、centernet等。基本流程為：一幅圖像經過深度卷積神經網絡后得到不同尺寸的特征圖(淺層特征與深層特征)，使用這些不同層的特征進行預測類別與框。然而，該通過深度卷積神經網絡得到的不同尺寸的特征圖包含的信息有限，使得目標檢測和識別的準確性較差。

發明內容

本申請提供了一種特征提取方法、裝置、電子設備及計算機可讀存儲介質，用于提供一種特征提取方法，使得提取的目標特征包含更多的語義信息，從而能夠提升目標檢測的準確性。。本申請采用的技術方案如下：

第一方面，提供了一種特征提取方法，用于雙通道特征融合網絡，雙通道特征融合網絡包括：上采樣信息融合通道、下采樣信息融合通道、特征融合通道；該方法包括：

基于上采樣信息融合通道對目標圖像的n個不同分辨率的特征圖進行特征融合處理，以將低分辨率特征圖的特征融合到高分辨率特征圖的特征中，得到n個第一融合特征圖其中n≥2，l≥1；

基于下采樣信息融合通道對目標圖像的n個不同分辨率的特征圖進行特征融合處理，以將高分辨率特征圖的特征融合到低分辨率特征圖的特征中，得到n個第二融合特征圖

基于特征融合通道對n個第一融合特征圖p^td與n個第二融合特征圖進行特征融合處理，得到n個目標特征圖

可選地，n個不同分辨率的特征圖按照分辨率由小到大排列。

可選地，基于上采樣信息融合通道對目標圖像的n個不同分辨率的特征圖進行特征融合處理，以將低分辨率特征圖的特征融合到高分辨率特征圖的特征中，得到n個第一融合特征圖包括：

基于n個不同分辨率的特征圖通過如下公式：

確定n個第一融合特征其中

可選地，基于下采樣信息融合通道對目標圖像的n個不同分辨率的特征圖進行特征融合處理，以將高分辨率特征圖的特征融合到低分辨率特征圖的特征中，得到n個第二融合特征圖包括：

基于n個不同分辨率的特征圖通過如下公式：

得到n個第一融合特征其中，

可選地，基于特征融合通道對n個第一融合特征圖p^td與n個第二融合特征圖進行特征融合處理，得到n個目標特征圖包括：

基于n個第一融合特征圖p^td與n個第二融合特征圖通過如下公式：

得到n個目標特征圖其中，