[發(fā)明專利]特征增強(qiáng)方法、裝置、數(shù)據(jù)處理方法和電子裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202111674531.5
• 申請(qǐng)日: 2021-12-31
• 公開（公告）號(hào): CN114462498A
• 公開（公告）日: 2022-05-10
• 發(fā)明（設(shè)計(jì)）人: 牛冰川
• 申請(qǐng)（專利權(quán)）人: 浙江大華技術(shù)股份有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06F17/15;G06T17/00;G06V10/80;G06V10/774;G06V10/77
• 代理公司: 杭州華進(jìn)聯(lián)浙知識(shí)產(chǎn)權(quán)代理有限公司 33250
• 代理人: 成榮強(qiáng)

1.一種特征增強(qiáng)方法，用于圖像識(shí)別，其特征在于，包括：

獲取第一特征圖和對(duì)所述第一特征圖進(jìn)行預(yù)處理后得到的與所述第一特征圖相同尺寸的第二特征圖；其中，所述第一特征圖為對(duì)目標(biāo)圖像進(jìn)行特征提取得到的特征圖；

利用DCA算法對(duì)所述第一特征圖進(jìn)行處理，得到第一轉(zhuǎn)換特征圖，并利用所述DCA算法對(duì)所述第二特征圖進(jìn)行處理，得到第二轉(zhuǎn)換特征圖；

利用SE-Net算法對(duì)所述第一轉(zhuǎn)換特征圖進(jìn)行處理，并將處理結(jié)果與所述第二轉(zhuǎn)換特征圖進(jìn)行融合，并基于融合結(jié)果得到增強(qiáng)特征圖。

2.根據(jù)權(quán)利要求1所述的特征增強(qiáng)方法，其特征在于，所述獲取第一特征圖和對(duì)所述第一特征圖進(jìn)行預(yù)處理后得到的與所述第一特征圖相同尺寸的第二特征圖，包括：

獲取第一特征圖；

對(duì)所述第一特征圖進(jìn)行池化和上采樣處理，得到與所述第一特征圖相同尺寸的第二特征圖。

3.根據(jù)權(quán)利要求1所述的特征增強(qiáng)方法，其特征在于，所述基于融合結(jié)果得到增強(qiáng)特征圖，包括：

利用預(yù)設(shè)的PCA算法對(duì)所述融合結(jié)果進(jìn)行降維，得到所述增強(qiáng)特征圖。

4.根據(jù)權(quán)利要求1至3中任一項(xiàng)所述的特征增強(qiáng)方法，其特征在于，所述DCA算法包含行壓縮處理和列壓縮處理。

5.一種數(shù)據(jù)處理方法，其特征在于，包括：

獲取目標(biāo)數(shù)據(jù)；其中，所述目標(biāo)數(shù)據(jù)為目標(biāo)對(duì)象的圖像數(shù)據(jù)；

利用訓(xùn)練完備的基于SE-Net和DCA的網(wǎng)絡(luò)結(jié)構(gòu)中的主成分提取算法，對(duì)所述目標(biāo)數(shù)據(jù)進(jìn)行處理，得到第一特征圖；

基于所述網(wǎng)絡(luò)結(jié)構(gòu)，按照權(quán)利要求1至4中任一項(xiàng)所述的特征增強(qiáng)方法，對(duì)所述第一特征圖進(jìn)行增強(qiáng)處理，得到增強(qiáng)特征圖；

利用所述網(wǎng)絡(luò)結(jié)構(gòu)對(duì)所述增強(qiáng)特征圖進(jìn)行處理，得到所述目標(biāo)對(duì)象的識(shí)別結(jié)果。

6.根據(jù)權(quán)利要求5所述的數(shù)據(jù)處理方法，其特征在于，所述利用訓(xùn)練完備的基于SE-Net和DCA的網(wǎng)絡(luò)結(jié)構(gòu)中的主成分提取算法，對(duì)所述目標(biāo)數(shù)據(jù)進(jìn)行處理，得到第一特征圖，包括：

利用訓(xùn)練完備的基于SE-Net和DCA的網(wǎng)絡(luò)結(jié)構(gòu)中的二維主成分提取算法，對(duì)所述目標(biāo)數(shù)據(jù)進(jìn)行行列壓縮處理，得到所述目標(biāo)數(shù)據(jù)的主成分?jǐn)?shù)據(jù)；

對(duì)所述主成分?jǐn)?shù)據(jù)進(jìn)行卷積處理，得到所述第一特征圖。

7.根據(jù)權(quán)利要求5所述的數(shù)據(jù)處理方法，其特征在于，在利用訓(xùn)練完備的基于SE-Net和DCA的網(wǎng)絡(luò)結(jié)構(gòu)中的主成分提取算法，對(duì)所述目標(biāo)數(shù)據(jù)進(jìn)行處理，得到第一特征圖之前，所述方法還包括：

獲取多姿態(tài)訓(xùn)練數(shù)據(jù)；

將所述多姿態(tài)訓(xùn)練數(shù)據(jù)輸入預(yù)設(shè)的基于SE-Net和DCA的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行訓(xùn)練，得到所述訓(xùn)練完備的基于SE-Net和DCA的網(wǎng)絡(luò)結(jié)構(gòu)。

8.根據(jù)權(quán)利要求7所述的數(shù)據(jù)處理方法，其特征在于，所述獲取多姿態(tài)訓(xùn)練數(shù)據(jù)，包括：

采集原始訓(xùn)練數(shù)據(jù)；

基于預(yù)設(shè)的三維多角度投影算法，對(duì)所述原始訓(xùn)練數(shù)據(jù)進(jìn)行處理，得到多姿態(tài)訓(xùn)練數(shù)據(jù)。

9.根據(jù)權(quán)利要求8所述的數(shù)據(jù)處理方法，其特征在于，所述基于預(yù)設(shè)的三維多角度投影算法，對(duì)所述原始訓(xùn)練數(shù)據(jù)進(jìn)行處理，得到多姿態(tài)訓(xùn)練數(shù)據(jù)，包括：

利用預(yù)設(shè)的目標(biāo)檢測(cè)算法，去除所述原始訓(xùn)練數(shù)據(jù)中的圖像背景信息，得到第一訓(xùn)練數(shù)據(jù)；

利用預(yù)設(shè)的三維重建算法，對(duì)所述第一訓(xùn)練數(shù)據(jù)進(jìn)行三維重建，得到三維模型；

利用預(yù)設(shè)的透視投影變換法對(duì)所述三維模型進(jìn)行處理，得到所述多姿態(tài)訓(xùn)練數(shù)據(jù)。