图像特征的处理方法、装置、电子设备及存储介质制造方法及图纸

本公开实施例提供了一种图像特征的处理方法、装置、电子设备及存储介质。该方法包括：将从图像中提取到的待处理特征输入至预设卷积神经网络，基于预设卷积神经网络进行卷积处理得到卷积处理结果，利用预设阈值函数对卷积处理结果进行阈值处理操作，得到通道阈值系数，基于通道阈值系数计算空间阈值系数，依据通道阈值系数以及空间阈值系数，对待处理特征进行处理，得到处理后的图像特征。本公开实施例通过将待处理特征进行卷积处理和阈值处理操作，得到通道阈值系数，并计算空间阈值系数，依据通道阈值系数和空间阈值系数，得到处理后的图像特征。由于通道阈值系数和空间阈值系数均是通过计算得到的，能有效提高处理后的图像特征的精度。

Image feature processing methods, devices, electronic devices and storage media

【技术实现步骤摘要】
图像特征的处理方法、装置、电子设备及存储介质
本公开涉及图像处理
，具体而言，本专利技术涉及一种图像特征的处理方法、装置、电子设备及存储介质。
技术介绍
注意力机制源于对人类视觉的研究，在认知科学中，由于信息处理的瓶颈，人类会选择性地关注所有信息的一部分，同时忽略其他可见的信息。神经注意力机制可以使得神经网络具备专注于其输入子集的能力，即选择特定的输入。在计算能力有限的情况下，注意力机制是解决信息超载问题的主要手段的一种资源分配方案。通常情况下，注意力网络得到的结果可以表示为两部分之和，默认情况下，两部分各自的比例系数均取固定值，如第一部分的比例系数取值为1，第二部分的比例系数取值也为1等。这种两部分各自的比例系数取固定值的方式在很大程度上带有不准确性，从而导致得到的结果精确度降低。
技术实现思路
本公开的目的旨在至少能解决上述的技术缺陷之一，特别是由于注意力网络输出结果中各部分的比例系数是固定取值，导致结果精确度降低的技术缺陷。第一方面，提供了一种图像特征的处理方法，该方法包括：将从图像中提取到的待处理特征输入至预设卷积神经网络，基于预设卷积神经网络进行卷积处理得到卷积处理结果；本文档来自技高网...

【技术保护点】
1.一种图像特征的处理方法，其特征在于，包括：将从图像中提取到的待处理特征输入至预设卷积神经网络，基于所述预设卷积神经网络进行卷积处理得到卷积处理结果；利用预设阈值函数对所述卷积处理结果进行阈值处理操作，得到通道阈值系数；基于所述通道阈值系数计算空间阈值系数；依据所述通道阈值系数以及所述空间阈值系数，对所述待处理特征进行处理，得到处理后的图像特征。

【技术特征摘要】
1.一种图像特征的处理方法，其特征在于，包括：将从图像中提取到的待处理特征输入至预设卷积神经网络，基于所述预设卷积神经网络进行卷积处理得到卷积处理结果；利用预设阈值函数对所述卷积处理结果进行阈值处理操作，得到通道阈值系数；基于所述通道阈值系数计算空间阈值系数；依据所述通道阈值系数以及所述空间阈值系数，对所述待处理特征进行处理，得到处理后的图像特征。2.根据权利要求1所述的方法，其特征在于，该方法还包括：将所述待处理特征输入至预设通道注意力网络，得到通道注意力特征；将所述待处理特征输入至预设空间注意力网络，得到空间注意力特征；所述依据所述通道阈值系数以及所述空间阈值系数，对所述待处理特征进行处理，得到处理后的图像特征，包括：基于所述通道阈值系数、所述通道注意力特征、所述空间阈值系数和所述空间注意力特征，得到处理后的图像特征。3.根据权利要求2所述的方法，其特征在于，所述基于所述通道阈值系数、所述通道注意力特征、所述空间阈值系数和所述空间注意力特征，得到处理后的图像特征，包括：利用所述通道阈值系数和所述通道注意力特征进行乘法运算，得到通道输出部分；利用所述空间阈值系数和所述空间注意力特征进行乘法运算，得到空间输出部分；利用所述通道输出部分和所述空间输出部分进行加法运算，得到处理后的图像特征。4.根据权利要求1至3任意一项所述的方法，其特征在于，所述基于所述通道阈值系数计算空间阈值系数，包括：利用预定的数值对所述通道阈值系数进行减法运算，得到所述空间阈值系数。5.根据权利要求1至3任意一项所述的方法，其特征在于，所述预设阈值函数为Sigmo...

【专利技术属性】
技术研发人员：喻冬东，王长虎，
申请(专利权)人：北京字节跳动网络技术有限公司，
类型：发明
国别省市：北京,11