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

本申請涉及一種特征增強(qiáng)方法、裝置、數(shù)據(jù)處理方法和電子裝置，其中，該特征增強(qiáng)方法，通過獲取第一特征圖和對第一特征圖進(jìn)行預(yù)處理后得到的與第一特征圖相同尺寸的第二特征圖，其中，第一特征圖為對目標(biāo)圖像進(jìn)行特征提取得到的特征圖，利用DCA算法對第一特征圖進(jìn)行處理，得到第一轉(zhuǎn)換特征圖，并利用DCA算法對第二特征圖進(jìn)行處理，得到第二轉(zhuǎn)換特征圖，利用SE?Net算法對第一轉(zhuǎn)換特征圖進(jìn)行處理，并將處理結(jié)果與第二轉(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。其利用基于SE?Net和DCA的網(wǎng)絡(luò)結(jié)構(gòu)，根據(jù)像素點(diǎn)之間的關(guān)聯(lián)信息，和數(shù)據(jù)集中結(jié)構(gòu)之間的相關(guān)性對圖像特征進(jìn)行了融合，從而基于該融合的特征提高了圖像識別的精度。

技術(shù)領(lǐng)域

本申請涉及數(shù)據(jù)領(lǐng)域，特別是涉及特征增強(qiáng)方法、裝置、數(shù)據(jù)處理方法和電子裝置。

背景技術(shù)

隨著科技的發(fā)展和經(jīng)濟(jì)水平的提高，目前圖像識別技術(shù)已經(jīng)廣泛應(yīng)用于交通管理、家居設(shè)備以及安防等領(lǐng)域，滲透進(jìn)人們生產(chǎn)生活的各個方面，逐步構(gòu)建成一個智能化社會。

目前，卷積神經(jīng)網(wǎng)絡(luò)得到了深入的研究和發(fā)展，并在圖像識別技術(shù)領(lǐng)域發(fā)揮了重要的作用。在圖像識別技術(shù)中，為了提高卷積神經(jīng)網(wǎng)絡(luò)的性能，可以通過特征融合的方式來對圖像特征進(jìn)行增強(qiáng)處理。然而，目前的特征融合方式，往往僅在特征圖上將對應(yīng)位置的像素直接相加，缺乏對像素點(diǎn)之間關(guān)聯(lián)信息，和數(shù)據(jù)集中結(jié)構(gòu)之間相關(guān)性的利用，從而導(dǎo)致圖像識別的精度較低。

針對相關(guān)技術(shù)中存在特征融合過程中缺乏對像素點(diǎn)之間關(guān)聯(lián)信息，和數(shù)據(jù)集中結(jié)構(gòu)之間相關(guān)性的利用，從而導(dǎo)致圖像識別的精度較低的問題，目前還沒有提出有效的解決方案。

發(fā)明內(nèi)容

在本實(shí)施例中提供了一種特征增強(qiáng)方法、裝置、數(shù)據(jù)處理方法和電子裝置，以解決相關(guān)技術(shù)中特征融合過程中缺乏對像素點(diǎn)之間關(guān)聯(lián)信息，和數(shù)據(jù)集中結(jié)構(gòu)之間相關(guān)性的利用，從而導(dǎo)致圖像識別的精度較低的問題。

第一個方面，在本實(shí)施例中提供了一種特征增強(qiáng)方法，用于圖像識別，包括：

獲取第一特征圖和對所述第一特征圖進(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目標(biāo)圖像進(jìn)行特征提取得到的特征圖；

利用DCA(Discriminant Correlation Analysis，判別相關(guān)性分析法)算法對所述第一特征圖進(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(Squeeze-and-Excitation Networks，壓縮和激活網(wǎng)絡(luò))算法對所述第一轉(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。

在其中的一些實(shí)施例中，所述獲取第一特征圖和對所述第一特征圖進(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。

在其中的一些實(shí)施例中，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(Principal Component Analysis，主成分分析)算法對所述融合結(jié)果進(jìn)行降維，得到所述增強(qiáng)特征圖。

在其中的一些實(shí)施例中，所述DCA算法包含行壓縮處理和列壓縮處理。

第二個方面，在本實(shí)施例中提供了一種數(shù)據(jù)處理方法，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，對所述目標(biāo)數(shù)據(jù)進(jìn)行處理，得到第一特征圖；