[發明專利]特征提取方法、裝置和電子系統

在審

• 申請號: 202110186623.2
• 申請日: 2021-02-09
• 公開（公告）號: CN112883983A
• 公開（公告）日: 2021-06-01
• 發明（設計）人: 易偉;李伯勛;張弛
• 申請（專利權）人: 北京邁格威科技有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06N3/04;G06N3/08
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 安衛靜

本發明提供了一種特征提取方法、裝置和電子系統；其中，該方法包括：從目標圖像中獲取多個圖像塊；其中，多個圖像塊中，任意兩個圖像塊在目標圖像中所占區域的重疊程度低于預設重疊閾值；通過特征提取網絡提取每個圖像塊的特征數據；基于每個圖像塊的特征數據，得到目標圖像的圖像特征。該方式中，通過設置重疊閾值，可以使圖像塊之間的重疊程度較低，從而在提取每個圖像塊的特征數據時，降低了重復計算的計算量，進而降低了特征提取過程中的冗余計算量。進一步地，由于圖像塊之間的重疊程度降低了，從而可以增大網絡可以處理的目標圖像的尺寸，大尺寸的圖像包含有更多的特征信息，進而提高了獲取特征信息的信息量。

技術領域

本發明涉及人工智能技術領域，尤其是涉及一種特征提取方法、裝置和電子系統。

背景技術

在計算機視覺任務中，通常需要卷積神經網絡提取圖像的特征數據。具體的，通過卷積神經網絡中的淺層卷積提取圖像的細節紋理特征，通過卷積神經網絡中重復堆疊的卷積模塊提取圖像的高層語義特征。相關技術中，淺層卷積在對圖像的不同區域進行卷積計算時，不同區域之間的計算數據存在重疊，不僅會引起很多冗余的計算量，還限制了淺層卷積可以處理的圖像的尺寸，降低了淺層卷積獲取特征信息的信息量。

發明內容

有鑒于此，本發明的目的在于提供一種特征提取方法、裝置和電子系統，以降低特征提取過程中的冗余計算量。

第一方面，本發明實施例提供了一種特征提取方法，方法包括：從目標圖像中獲取多個圖像塊；其中，多個圖像塊中，任意兩個圖像塊在目標圖像中所占區域的重疊程度低于預設重疊閾值；通過特征提取網絡提取每個圖像塊的特征數據；基于每個圖像塊的特征數據，得到目標圖像的圖像特征。

上述多個圖像塊中，任意兩個圖像塊在目標圖像中的所占區域不重疊。

上述從目標圖像中獲取多個圖像塊的步驟，包括：基于預設的卷積核尺寸和掃描步長，對目標圖像進行掃描，得到多個圖像塊；其中，卷積核尺寸和掃描步長相匹配。

上述卷積核的尺寸包括：卷積核的寬度和高度；當對目標圖像進行橫向掃描時，卷積核的寬度與掃描步長相同；當對目標圖像進行縱向掃描時，卷積核的高度與掃描步長相同。

上述從目標圖像中獲取多個圖像塊的步驟，包括：基于預設的圖像塊尺寸，對目標圖像進行分割處理，得到多個圖像塊。

上述特征提取網絡包括第一卷積核；上述通過特征提取網絡提取每個圖像塊的特征數據的步驟，包括：通過第一卷積核對每個圖像塊特征進行卷積計算，得到每個圖像塊的特征數據。

上述第一卷積核的卷積核參數通過下述方式確定：在特征提取網絡的訓練階段，通過多個初始卷積核分別對同一樣本圖像進行卷積計算，得到每個初始卷積核輸出的初始樣本特征；對每個初始卷積核輸出的初始樣本特征進行非線性處理，得到樣本圖像的最終樣本特征，以通過特征提取網絡對最終樣本特征進行后續訓練處理；特征提取網絡訓練完成后，基于多個初始卷積核的卷積核參數，確定第一卷積核的卷積核參數。

上述基于多個初始卷積核的卷積核參數，確定第一卷積核的卷積核參數的步驟，包括：對多個初始卷積核的卷積核參數進行參數組合處理，得到第一卷積核的卷積核參數。

上述特征提取網絡包括多個卷積核；上述通過特征提取網絡提取每個圖像塊的特征，得到每個圖像塊的特征數據的步驟，包括：針對每個圖像塊，分別通過每個卷積核對圖像塊進行卷積計算，得到每個卷積核對應的初始計算結果；對每個卷積核對應的初始計算結果進行非線性處理，得到圖像塊的特征數據。

上述多個卷積核中，至少一部分卷積核的卷積核尺寸與圖像塊尺寸相同；至少一部分卷積核的掃描步長與圖像塊的邊長相同。