特征更新方法及装置、电子设备和存储介质制造方法及图纸

本公开涉及一种特征更新方法及装置、电子设备和存储介质，所述方法包括：将特征库中预存的原始特征输入至转化网络进行特征转化，得到近似特征；利用所述近似特征替换原始特征，以更新所述特征库。本公开实施例可利用所述近似特征替换原始特征，以更新所述特征库，进而在更新特征库的过程中，在牺牲少量精度的前提下提升了特征库的更新速度，同时利用到了原始特征，合理利用资源。

【技术实现步骤摘要】
特征更新方法及装置、电子设备和存储介质
本公开涉及人工智能
，尤其涉及一种特征更新方法及装置、电子设备和存储介质。
技术介绍
随着人工智能技术的普及和推广，基于特征进行识别和检索的技术已经逐渐应用于各行各业。例如，人脸识别技术已经广泛应用在安防以及泛安防相关领域，应用场景主要包含人脸布控、静态库检索、路人库轨迹搜索等。在一些应用场景中，所使用的神经网络模型需要持续不断的迭代，当神经网络模型达到一个更好的性能的时候，就需要对系统进行模型上的更新了，同时，基础特征库中的特征也需要同步更新，以使该神经网络的处理结果更为准确。
技术实现思路
本公开提出了一种特征更新技术方案。根据本公开的一方面，提供了一种特征更新方法，包括：将特征库中预存的原始特征输入至转化网络进行特征转化，得到近似特征；利用所述近似特征替换原始特征，以更新所述特征库。在一种可能的实现方式中，所述利用所述近似特征替换所述原始特征，以更新所述特征库，包括：根据所述近似特征确定所述近似特征所属的待处理图像；将近似特征所属的待处理图像输入已训练的第一特征提取网络进行特征提取，得到所述待处理图像的迭代特征；利用所述迭代特征替换所述近似特征，以更新所述特征库。在一种可能的实现方式中，所述将近似特征所属的待处理图像输入已训练的第一特征提取网络进行特征提取，得到所述待处理图像的迭代特征，包括：在用于执行所述特征更新方法的系统处于空闲状态的情况下，将近似特征所属的待处理图像输入已训练的第一特征提取网络进行特征提取，得到所述待处理图像的迭代特征。在一种可能的实现方式中，所述转化网络包括反卷积子网络和第一卷积子网络，其中，将特征库中预存的原始特征输入至转化网络进行特征转化，得到近似特征，包括：将所述特征库中预存的原始特征输入所述反卷积子网络进行特征还原，得到中间特征；将所述中间特征输入所述第一卷积子网络进行特征提取，得到所述近似特征。在一种可能的实现方式中，所述转化网络包括反卷积子网络和第二卷积子网络，其中，将特征库中预存的原始特征输入至转化网络进行特征转化，得到近似特征，包括：将所述特征库中预存的原始特征输入所述反卷积子网络进行特征还原，得到中间特征；融合所述原始特征所属的待处理图像和中间特征，得到融合特征；将所述融合特征输入所述第二卷积子网络进行特征提取，得到所述近似特征。在一种可能的实现方式中，所述方法还包括：根据多个待处理图像的原始特征和迭代特征，训练所述转化网络。在一种可能的实现方式中，获取待处理图像；确定所述特征库中是否包括所述待处理图像的原始特征；确定所述特征库中包括所述待处理图像的原始特征的情况下，将所述特征库中预存的原始特征输入至转化网络进行特征转化，得到近似特征。在一种可能的实现方式中，确定所述特征库中不存在所述待处理图像的原始特征的情况下，将所述待处理图像输入至第一特征提取网络，得到所述待处理图像的迭代特征；利用所述迭代特征，以更新所述特征库。根据本公开的另一方面，提供了一种特征更新装置，包括：转化模块，用于将特征库中预存的原始特征输入至转化网络进行特征转化，得到近似特征；更新模块，用于利用所述近似特征替换原始特征，以更新所述特征库。在一种可能的实现方式中，所述更新模块包括：确定子模块，用于根据所述近似特征确定所述近似特征所属的待处理图像；特征提取子模块，用于将近似特征所属的待处理图像输入已训练的第一特征提取网络进行特征提取，得到所述待处理图像的迭代特征；更新子模块，用于利用所述迭代特征替换所述近似特征，以更新所述特征库。在一种可能的实现方式中，所述特征提取子模块包括：空闲状态特征提取子模块，在用于执行所述特征更新方法的系统处于空闲状态的情况下，将近似特征所属的待处理图像输入已训练的第一特征提取网络进行特征提取，得到所述待处理图像的迭代特征。在一种可能的实现方式中，所述转化网络包括反卷积子网络和第一卷积子网络，其中，所述转化模块包括：第一特征还原子模块，用于将所述特征库中预存的原始特征输入所述反卷积子网络进行特征还原，得到中间特征；第一特征提取子模块，用于将所述中间特征输入所述第一卷积子网络进行特征提取，得到所述近似特征。在一种可能的实现方式中，所述转化网络包括反卷积子网络和第二卷积子网络，其中，所述转化模块包括：第二特征还原子模块，将所述特征库中预存的原始特征输入所述反卷积子网络进行特征还原，得到中间特征；融合子模块，用于融合所述原始特征所属的待处理图像和中间特征，得到融合特征；第二特征提取子模块，将所述融合特征输入所述第二卷积子网络进行特征提取，得到所述近似特征。在一种可能的实现方式中，所述装置还包括：训练模块，用于根据多个待处理图像的原始特征和迭代特征，训练所述转化网络。在一种可能的实现方式中，所述装置还包括：获取模块，用于获取待处理图像；判断模块，用于确定所述特征库中是否包括所述待处理图像的原始特征；第三特征提取子模块，用于确定所述特征库中包括所述待处理图像的原始特征的情况下，将所述特征库中预存的原始特征输入至转化网络进行特征转化，得到近似特征。在一种可能的实现方式中，所述装置还包括：第四特征提取子模块，用于确定所述在特征库中不包括所述待处理图像的原始特征的情况下，将所述待处理图像输入至第一特征提取网络，得到所述待处理图像的迭代特征。根据本公开的另一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行上述特征更新方法。根据本公开的另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述特征更新方法。在本公开实施例中，通过将特征库中预存的原始特征输入至转化网络进行特征转化，得到近似特征；利用所述近似特征替换原始特征，以更新所述特征库，进而在更新特征库的过程中，在牺牲少量精度的前提下提升了特征库的更新速度，同时利用到了原始特征，合理利用资源。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。附图说明此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。图1示出根据本公开实施例的特征更新方法的流程图。图2示出根据本公开实施例的特征更新方法的流程图。图3示出根据本公开实施例的特征更新方法中特征转化过程的流程图。图4示出根据本公开实施例的特征更新方法中特征转化过程的流程图。图5示出根据本公开实施例的特征更新方法的流程图。图6示出根据本公开实施例的特征更新方法的使用场景示意图。图7示出根据本公开实施例的特征更新装置的框图。图8是根据示例性实施例示出的一种电子设备的框图。图9是根据示例性实施例示出的一种电子设备的框图。具体实施方式以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。本文中术语“和/或”，仅仅是一本文档来自技高网...

【技术保护点】
1.一种特征更新方法，其特征在于，包括：将特征库中预存的原始特征输入至转化网络进行特征转化，得到近似特征；利用所述近似特征替换原始特征，以更新所述特征库。

【技术特征摘要】
1.一种特征更新方法，其特征在于，包括：将特征库中预存的原始特征输入至转化网络进行特征转化，得到近似特征；利用所述近似特征替换原始特征，以更新所述特征库。2.根据权利要求1所述的方法，其特征在于，所述利用所述近似特征替换所述原始特征，以更新所述特征库，包括：根据所述近似特征确定所述近似特征所属的待处理图像；将近似特征所属的待处理图像输入已训练的第一特征提取网络进行特征提取，得到所述待处理图像的迭代特征；利用所述迭代特征替换所述近似特征，以更新所述特征库。3.根据权利要求2所述的方法，其特征在于，所述将近似特征所属的待处理图像输入已训练的第一特征提取网络进行特征提取，得到所述待处理图像的迭代特征，包括：在用于执行所述特征更新方法的系统处于空闲状态的情况下，将近似特征所属的待处理图像输入已训练的第一特征提取网络进行特征提取，得到所述待处理图像的迭代特征。4.根据权利要求1-3中任意一项所述的方法，其特征在于，所述转化网络包括反卷积子网络和第一卷积子网络，其中，将特征库中预存的原始特征输入至转化网络进行特征转化，得到近似特征，包括：将所述特征库中预存的原始特征输入所述反卷积子网络进行特征还原，得到中间特征；将所述中间特征输入所述第一卷积子网络进行特征提取，得到所述近似特征。5.根据权利要求1-3中任意一项所述的方法，其特征在于，所述转化网络包括反卷积子...

【专利技术属性】
技术研发人员：马东宇，吴一超，赵瑞，朱烽，
申请(专利权)人：深圳市商汤科技有限公司，
类型：发明
国别省市：广东,44