一种图像特征的池化方法及装置制造方法及图纸

本发明专利技术提供了一种图像特征的池化方法及装置，所述方法包括：获取图像的若干个维度相同的局部特征；对所述若干个维度相同的局部特征分别在各维度上从大到小进行排序，以得到排序后的第一特征序列；在各维度上分别选取所述排序后的第一特征序列中排序在前的预设数量的局部特征，以得到筛选后的第一特征序列；在各维度上分别对所述筛选后的第一特征序列求平均值，得到所述图像的与局部特征维度相同的全局特征。本发明专利技术使得池化后的特征具有紧凑性、抗异常值、抗背景干扰能力及较强的区分力，解决了现有技术中特征维度高或特征区分力低等问题。

A method and device for the pooling of image features

The present invention provides a method and device of pool image features. The method includes: a plurality of image dimensions to obtain the same local feature; local features on several dimensions of the same respectively in each dimension from high to low ranking, to get the feature sequence sorted first; the characteristic sequence in each dimension were selected for the ranking after the sort of local features in the preset number before, to get the first feature sequence after screening; in each dimension of the first characteristic sequence of the filtered average, get the same global features and local features of the image dimension. The characteristics of the invention are compactness, anti outlier, anti background interference and strong regional force, which solve the problem of high dimension of the feature or low power of feature area in the existing technology.

【技术实现步骤摘要】
一种图像特征的池化方法及装置
本专利技术涉及计算机
，尤其涉及一种图像特征的池化方法及装置。
技术介绍
特征池化是一种特征聚合方法，即将若干局部特征聚合为全局特征的方法。目前，常见的图像特征的池化(或聚合)方法可分为基于嵌入的方法和非基于嵌入的方法。其中基于嵌入的方法有词袋模型、局部特征聚合描述符(VectorofLocallyAggregatedDescriptors，VLAD)、Fisher向量等，非基于嵌入的方法有最大值池化、均值池化等。但是上述现有方法均有缺点，比如：词袋模型过于粗糙，得到的特征区分力低；局部特征聚合描述符(VLAD)和Fisher向量得到的特征维度过高；最大值池化易受异常值影响；均值池化易使得背景信息掩盖重要物体的特征表达，进而影响池化特征的区分力。
技术实现思路
针对现有技术的缺陷，本专利技术提供一种图像特征的池化方法及装置，能够解决现有技术中特征维度高或特征区分力低等问题。第一方面，本专利技术提供了一种图像特征的池化方法，所述方法包括：获取图像的若干个维度相同的局部特征；对所述若干个维度相同的局部特征分别在各维度上从大到小进行排序，以得到排序后的第一特本文档来自技高网...

【技术保护点】
一种图像特征的池化方法，其特征在于，所述方法包括：获取图像的若干个维度相同的局部特征；对所述若干个维度相同的局部特征分别在各维度上从大到小进行排序，以得到排序后的第一特征序列；在各维度上分别选取所述排序后的第一特征序列中排序在前的预设数量的局部特征，以得到筛选后的第一特征序列；在各维度上分别对所述筛选后的第一特征序列求平均值，得到所述图像的与局部特征维度相同的全局特征。

【技术特征摘要】
1.一种图像特征的池化方法，其特征在于，所述方法包括：获取图像的若干个维度相同的局部特征；对所述若干个维度相同的局部特征分别在各维度上从大到小进行排序，以得到排序后的第一特征序列；在各维度上分别选取所述排序后的第一特征序列中排序在前的预设数量的局部特征，以得到筛选后的第一特征序列；在各维度上分别对所述筛选后的第一特征序列求平均值，得到所述图像的与局部特征维度相同的全局特征。2.根据权利要求1所述的方法，其特征在于，所述获取图像的若干个维度相同的局部特征，包括：获取图像的卷积神经网络卷积层或池化层输出的特征图，根据所述特征图获得若干个维度相同的局部特征。3.根据权利要求1所述的方法，其特征在于，所述获取图像的若干个维度相同的局部特征，包括：对所述图像检测获得若干个图像块；分别提取所述若干个图像块的全局特征，得到若干个维度相同的局部特征。4.根据权利要求1所述的方法，其特征在于，所述获取图像的若干个维度相同的局部特征，包括：对所述图像检测获得若干个图像块；分别提取各图像块卷积神经网络的卷积层或者池化层特征作为所述图像块的局部特征，以得到所述图像的子局部特征；对所述子局部特征进行特征池化，得到所述各图像块的特征，将所述若干个图像块的特征作为所述图像的若干个维度相同的局部特征。5.根据权利要求4所述的方法，其特征在于，所述对所述子局部特征进行特征池化，得到所述各图像块的特征，包括：针对各图像块，对所述图像块对应的子局部特征在各维度上分别从大到小进行排序，以得到排序后的第二特征序列；在各维度上分别选取所述排序后的第二特征序列中排序在前的预设数量的局部特征，以得到筛选后的第二特征序列；在各维...

【专利技术属性】
技术研发人员：段凌宇，智天成，王一同，黄铁军，高文，
申请(专利权)人：北京大学，
类型：发明
国别省市：北京,11