一种图像特征的提取方法、终端设备及存储介质技术

本申请适用于图像处理技术领域，提供了一种图像特征的提取方法、终端设备及计算机可读存储介质，所述方法包括：获取待提取图像的初始特征，通过训练样本集中的训练样本对构建的梯度提升树模型进行训练，获得训练后的梯度提升树模型，并提取训练后的梯度提升树模型的中间层叶子节点的特征向量，所述训练样本的标签的类别为目标类别，将所述待提取图像的初始特征和所述特征向量进行融合，获得用于表示所述待提取图像的目标类别的目标特征，通过本申请可以提取到能够有效表征图像的目标特征。

【技术实现步骤摘要】
一种图像特征的提取方法、终端设备及存储介质
本申请属于图像处理
，尤其涉及一种图像特征的提取方法、终端设备及计算机可读存储介质。
技术介绍
图像识别，是基于同一类物(例如人脸、风格等)的特征信息进行识别的一种识别技术，例如，人脸识别、风格识别等。随着计算机技术的成熟，图像识别应用在越来越多的领域。目前，无论用于何种场景，在对图像的特征进行提取时均采用通用的特征提取方式。然而，在对两个图像的风格进行相似度计算时，提取的通用的特征是无法有效表征两个图像的风格；同理，在对两个图像的内容进行相似度计算时，提取的通用的特征也无法有效表征两个图像的内容。因此，目前提取的图像的特征无法有效的表征图像。
技术实现思路
有鉴于此，本申请实施例提供了一种图像特征的提取方法、终端设备及计算机可读存储介质，以解决目前提取的图像的特征无法有效表征图像的问题。本申请实施例的第一方面提供了一种图像特征的提取方法，包括：获取待提取图像的初始特征；通过训练样本集中的训练样本对构建的梯度提升树模型进行训练，获得训练后的梯度提升树模型，并提取训练后的梯度提升树模型的中间层叶子节点的特征向量，所述训练样本的标签的类别为目本文档来自技高网...

【技术保护点】
1.一种图像特征的提取方法，其特征在于，包括：获取待提取图像的初始特征；通过训练样本集中的训练样本对构建的梯度提升树模型进行训练，获得训练后的梯度提升树模型，并提取训练后的梯度提升树模型的中间层叶子节点的特征向量，所述训练样本的标签的类别为目标类别；将所述待提取图像的初始特征和所述特征向量进行融合，获得用于表示所述待提取图像的目标类别的目标特征。

【技术特征摘要】
1.一种图像特征的提取方法，其特征在于，包括：获取待提取图像的初始特征；通过训练样本集中的训练样本对构建的梯度提升树模型进行训练，获得训练后的梯度提升树模型，并提取训练后的梯度提升树模型的中间层叶子节点的特征向量，所述训练样本的标签的类别为目标类别；将所述待提取图像的初始特征和所述特征向量进行融合，获得用于表示所述待提取图像的目标类别的目标特征。2.如权利要求1所述的图像特征的提取方法，其特征在于，所述获取待提取图像的初始特征包括：获取所述待提取图像的全局特征和局部特征，所述全局特征包括以下至少一种：全局颜色特征、全局纹理特征、全局空间布局特征，所述局部特征包括以下至少一种：局部颜色特征、局部纹理特征、局部空间布局特征；将所述全局特征和所述局部特征作为待提取图像的初始特征。3.如权利要求2所述的图像特征的提取方法，其特征在于，在将所述全局特征和所述局部特征作为待提取图像的初始特征之前，还包括：对每种局部特征分别进行降维和整合处理。4.如权利要求3所述的图像特征的提取方法，其特征在于，对每种局部特征分别进行降维处理包括：基于预设的降维模型，根据所述梯度提升树模型的训练样本获得每种局部特征的降维向量，所述预设的降维模型为：其中，W表示降维向量，m表示训练样本的个数，xi表示第i个训练样本的局部特征的向量表达，表示m个训练样本的局部特征的向量表达的均值；通过所述每种局部特征的降维向量，对每种局部特征分别进行降维处理。5.如权利要求1所述的图像特征的提取方法，其特征在于，所述将所述待提取图像的初始特征和所述特征向量进行融合，获得用于表示所述待提取图像的目标类别的目标特征包括：获取所述待提取图像的每个初始特征的权重和每个特征向量的权重，并计算所述待提取图像的每个初始特征的加权和结果与每个特征向量的加权和结果，将所述待提取图像的每个初始特征的加权和结果与每个特征向量的加权和结果求和后作为用于表示所述待提取图像的目标类别的目标特征。6.如权利要求1至5任一项所述的图像特征的提取方法，其特征在于，所述通过训练样本集中的训练样本对构建的梯度提升树模型进行训练，获得训练后的梯度提升树模型，并提取训练后的梯度提升树模型的中间层叶子节点的特征向量包括：获取训练样本集，并根据训练样本集中的训练样本，将所述梯度提升树...

【专利技术属性】
技术研发人员：张弓，
申请(专利权)人：OPPO广东移动通信有限公司，
类型：发明
国别省市：广东,44