特征提取方法和装置、电子设备、存储介质、程序产品制造方法及图纸

本申请实施例提供了一种特征提取方法和装置、电子设备、存储介质、程序产品，其中，方法包括：获取待处理数据；利用第一神经网络，对所述待处理数据进行特征提取，得到第一特征，其中，所述第一特征与第二特征的相似度大于预设阈值，所述第二特征为利用第二神经网络对所述待处理数据进行特征提取获得的特征。基于本申请上述实施例由于获得的第一特征与第二特征的相似度大于预设阈值，第一神经网络通过与第二神经网络不同的网络结构达到了与第二神经网络相似的性能。即让快速、轻量级的第一神经网络模仿到高性能但冗余、缓慢的第二神经网络的特征空间，从而实现了网络的压缩和加速。

【技术实现步骤摘要】
特征提取方法和装置、电子设备、存储介质、程序产品
本申请涉及计算机视觉
，尤其是一种特征提取方法和装置、电子设备、存储介质、程序产品。
技术介绍
近年来，卷积神经网络(ConvolutionalNeuralNetwork，CNN)在大部分计算机视觉领域的任务中实现的效果超越了传统算法，但在将卷积神经网络真正应用到实际场景的过程中，仍然存在严重问题：一、由于目前业内为实现最佳性能而将网络的深度增加到极致，导致网络的参数量巨大；二、卷积层和全连接层需要大量的浮点矩阵乘法运算，计算开销也非常大；虽然有的网络可以在GPU上实时运行，但将同样的网络部署到计算能力较弱的平台如手机等嵌入式设备后，效率差距甚至可以达到50倍以上，无法达到实时运行的需求。
技术实现思路
本申请实施例提供的一种特征提取技术。根据本申请实施例的一个方面，提供的一种特征提取方法，包括：获取待处理数据；利用第一神经网络，对所述待处理数据进行特征提取，得到第一特征，其中，所述第一特征与第二特征的相似度大于预设阈值，所述第二特征为利用第二神经网络对所述待处理数据进行特征提取获得的特征。可选地，所述利用第一神经网络，对所述数据进本文档来自技高网...

【技术保护点】
1.一种特征提取方法，其特征在于，包括：获取待处理数据；利用第一神经网络，对所述待处理数据进行特征提取，得到第一特征，其中，所述第一特征与第二特征的相似度大于预设阈值，所述第二特征为利用第二神经网络对所述待处理数据进行特征提取获得的特征。

【技术特征摘要】
1.一种特征提取方法，其特征在于，包括：获取待处理数据；利用第一神经网络，对所述待处理数据进行特征提取，得到第一特征，其中，所述第一特征与第二特征的相似度大于预设阈值，所述第二特征为利用第二神经网络对所述待处理数据进行特征提取获得的特征。2.根据权利要求1所述的方法，其特征在于，所述利用第一神经网络，对所述数据进行特征提取，得到第一特征之前，还包括：利用所述第二神经网络，训练所述第一神经网络，所述第二神经网络为预先训练好的神经网络。3.根据权利要求2所述的方法，其特征在于，所述利用所述第二神经网络，训练所述第一神经网络，包括：利用所述第一神经网络对样本数据进行特征提取，得到第一样本特征；获取所述样本数据对应所述第二神经网络的第二样本特征；基于所述第一样本特征和所述第二样本特征确定第一损失；利用所述第一损失训练所述第一神经网络。4.根据权利要求3所述的方法，其特征在于，所述获取所述样本数据对应所述第二神经网络的第二样本特征，包括：从存储器中获取所述样本数据基于所述第二神经网络得到的所述第二样本特征。5.根据权利要求4所述的方法，其特征在于，所述从存储器中获取所述样本数据利用第二神经网...

【专利技术属性】
技术研发人员：黄诗尧，王飞，钱晨，
申请(专利权)人：北京市商汤科技开发有限公司，
类型：发明
国别省市：北京,11