特征图确定方法、装置、计算机设备及存储介质制造方法及图纸

本申请实施例提供了一种特征图确定方法、装置、计算机设备及存储介质，其中，该方法基于人工智能技术中的深度学习技术，该方法包括：获取待处理图像；利用M个目标卷积核集分别对所述待处理图像进行卷积处理，得到M个中间特征图，其中，不同目标卷积核集中的卷积核的大小不同，每个中间特征图的特征通道数为N，且小于所述待处理图像的特征通道数C；确定所述M个中间特征图中每个中间特征图的权重参数图；根据所述M个中间特征图和所述M个权重参数图，确定所述待处理图像的目标特征图。采用此方式可以有效提高特征图的确定效率和效果。以有效提高特征图的确定效率和效果。以有效提高特征图的确定效率和效果。

【技术实现步骤摘要】
特征图确定方法、装置、计算机设备及存储介质


[0001]本申请涉及计算机
，尤其涉及一种特征图确定方法、一种特征图确定装置、一种计算机设备及计算机可读存储介质。

技术介绍

[0002]深度学习是机器学习中一种基于对数据进行表征学习的方法。深度学习的一应用是通过神经网络(Neural Network，NN)来替代手工获取特征，这样可以提高特征提取的效率和准确度。因此，如何基于神经网络高效提取特征一直是近来的研究热点。

技术实现思路

[0003]本申请实施例提供了一种特征图确定方法、装置、计算机设备及存储介质，可以有效提高特征图的确定效率和效果。
[0004]一方面，本申请实施例提供了一种特征图确定方法，所述方法包括：
[0005]获取待处理图像，所述待处理图像的特征通道数为C；
[0006]利用M个目标卷积核集分别对所述待处理图像进行卷积处理，得到M个中间特征图；其中，不同目标卷积核集中的卷积核的大小不同，每个中间特征图的特征通道数为N，N小于C；
[0007]确定所述M个中间特征图中每个中间特征图的权重参数图；其中，得到的M个权重参数图中相同图位置处的权重参数相加所得到的和值为设定值；
[0008]根据所述M个中间特征图和所述M个权重参数图，确定所述待处理图像的目标特征图。
[0009]一方面，本申请实施例提供了一种特征图确定装置，所述装置包括：
[0010]获取单元，用于获取待处理图像，所述待处理图像的特征通道数为C；
[0011]处理单元，用于利用M个目标卷积核集分别对所述待处理图像进行卷积处理，得到M个中间特征图；其中，不同目标卷积核集中的卷积核的大小不同，每个中间特征图的特征通道数为N，N小于C；
[0012]所述处理单元，还用于确定所述M个中间特征图中每个中间特征图的权重参数图；其中，得到的M个权重参数图中相同图位置处的权重参数相加所得到的和值为设定值；
[0013]所述处理单元，还用于根据所述M个中间特征图和所述M个权重参数图，确定所述待处理图像的目标特征图。
[0014]在一实施例中，所述处理单元利用M个目标卷积核集分别对所述待处理图像进行卷积处理，得到M个中间特征图时，具体用于：
[0015]利用第一降维卷积核集对所述待处理图像进行卷积处理，得到第一降维特征图；其中，所述第一降维特征图的特征通道数为N；利用M个目标卷积核集分别对所述第一降维特征图进行卷积处理，得到M个中间特征图。
[0016]在一实施例中，所述处理单元确定所述M个中间特征图中每个中间特征图的权重
参数图时，具体用于：
[0017]根据第二降维卷积核集和所述M个中间特征图进行特征图降维处理，确定所述M个中间特征图中每个中间特征图的第二降维特征图；根据转换函数和得到的M个第二降维特征图进行特征图转换处理，确定所述M个中间特征图中每个中间特征图的权重参数图。
[0018]在一实施例中，所述处理单元根据第二降维卷积核集和所述M个中间特征图进行特征图降维处理，确定所述M个中间特征图中每个中间特征图的第二降维特征图时，具体用于：
[0019]将所述M个中间特征图进行拼接，得到第一拼接特征图；利用所述第二降维卷积核集对所述第一拼接特征图进行卷积处理，得到目标降维特征图；其中，所述目标降维特征图的通道数为M，每一个通道对应所述M个中间特征图中一个中间特征图的第二降维特征图；
[0020]其中，所述处理单元根据转换函数和得到的M个第二降维特征图进行特征图转换处理，确定所述M个中间特征图中每个中间特征图的权重参数图时，具体用于：
[0021]利用所述转换函数对所述目标降维特征图进行特征图转换处理，得到目标权重参数图；其中，所述目标权重参数图的通道数为M，每一个通道对应所述M个中间特征图中一个中间特征图的权重参数图。
[0022]在一实施例中，所述处理单元根据所述M个中间特征图和所述M个权重参数图，确定所述待处理图像的目标特征图时，具体用于：
[0023]针对所述M个中间特征图和所述M个权重参数图中相匹配的中间特征图和权重参数图，利用权重参数图中的权重参数对中间特征图中匹配图位置处的像素值进行加权处理，得到加权处理后的特征图；将得到的M个加权处理后的特征图进行融合处理，得到融合后的特征图；其中，所述融合后的特征图的特征通道数为N；获取第一降维特征图；其中，所述第一降维特征图是利用第一降维卷积核集对所述待处理图像进行卷积处理得到的，所述第一降维特征图的特征通道数为N；将所述融合后的特征图与所述第一降维特征图进行拼接处理，确定所述待处理图像的目标特征图。
[0024]在一实施例中，所述处理单元针对所述M个中间特征图和所述M个权重参数图中相匹配的中间特征图和权重参数图，利用权重参数图中的权重参数对中间特征图中匹配图位置处的像素值进行加权处理，得到加权处理后的特征图时，具体用于：
[0025]将所述M个中间特征图进行拼接，得到第二拼接特征图；获取目标权重参数图；其中，所述目标权重参数图的通道数为M，每一个通道对应所述M个中间特征图中一个中间特征图的权重参数图；利用所述目标权重参数图中的权重参数对所述第二拼接特征图中匹配图位置处的像素值进行加权处理，得到待融合特征图；其中，所述待融合特征图包括每个中间特征图对应的加权处理后的特征图。
[0026]在一实施例中，所述处理单元将得到的M个加权处理后的特征图进行融合处理，得到融合后的特征图时，具体用于：
[0027]将所述待融合特征图中M个中间特征图对应的相同图位置处的加权后的像素值进行相加，得到融合后的特征图。
[0028]一方面，本申请实施例提供了一种计算机设备，包括：处理器和存储器，所述处理器和所述存储器相互连接，其中，所述存储器存储有可执行程序代码，所述处理器用于调用所述可执行程序代码，执行上述特征图确定方法。
[0029]相应的，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述特征图确定方法。
[0030]相应的，本申请实施例还提供了一种计算机程序产品或计算机程序，所述计算机程序产品或计算机程序包括计算机指令，所述计算机指令存储在计算机可读存储介质中。计算机设备的处理器从所述计算机可读存储介质读取所述计算机指令，处理器执行所述计算机指令，使得所述计算机设备执行上述特征图确定方法。
[0031]本申请实施例中，利用M个不同卷积核大小的目标卷积核集分别对待处理图像进行卷积处理，得到M个中间特征图，中间特征图的通道数小于待处理图像的通道数；确定M个中间特征图中每个中间特征图的权重参数图；根据M个中间特征图和M个权重参数图，确定待处理图像的目标特征图。采用此方式，可以提取出图上多尺度的信息，使得确定的特征图效果更好；还可以大大降低特征提取过程中所需的参数量和计算量，有效提高特征图的确定效率。
附图说明
[0032]为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种特征图确定方法，其特征在于，所述方法包括：获取待处理图像，所述待处理图像的特征通道数为C；利用M个目标卷积核集分别对所述待处理图像进行卷积处理，得到M个中间特征图；其中，不同目标卷积核集中的卷积核的大小不同，每个中间特征图的特征通道数为N，N小于C；确定所述M个中间特征图中每个中间特征图的权重参数图；其中，得到的M个权重参数图中相同图位置处的权重参数相加所得到的和值为设定值；根据所述M个中间特征图和所述M个权重参数图，确定所述待处理图像的目标特征图。2.如权利要求1所述的方法，其特征在于，所述利用M个目标卷积核集分别对所述待处理图像进行卷积处理，得到M个中间特征图，包括：利用第一降维卷积核集对所述待处理图像进行卷积处理，得到第一降维特征图；其中，所述第一降维特征图的特征通道数为N；利用M个目标卷积核集分别对所述第一降维特征图进行卷积处理，得到M个中间特征图。3.如权利要求1或2所述的方法，其特征在于，所述确定所述M个中间特征图中每个中间特征图的权重参数图，包括：根据第二降维卷积核集和所述M个中间特征图进行特征图降维处理，确定所述M个中间特征图中每个中间特征图的第二降维特征图；根据转换函数和得到的M个第二降维特征图进行特征图转换处理，确定所述M个中间特征图中每个中间特征图的权重参数图。4.如权利要求3所述的方法，其特征在于，所述根据第二降维卷积核集和所述M个中间特征图进行特征图降维处理，确定所述M个中间特征图中每个中间特征图的第二降维特征图，包括：将所述M个中间特征图进行拼接，得到第一拼接特征图；利用所述第二降维卷积核集对所述第一拼接特征图进行卷积处理，得到目标降维特征图；其中，所述目标降维特征图的通道数为M，每一个通道对应所述M个中间特征图中一个中间特征图的第二降维特征图；其中，所述根据转换函数和得到的M个第二降维特征图进行特征图转换处理，确定所述M个中间特征图中每个中间特征图的权重参数图，包括：利用所述转换函数对所述目标降维特征图进行特征图转换处理，得到目标权重参数图；其中，所述目标权重参数图的通道数为M，每一个通道对应所述M个中间特征图中一个中间特征图的权重参数图。5.如权利要求1所述的方法，其特征在于，所述根据所述M个中间特征图和所述M个权重参数图，确定所述待处理图像的目标特征图，包括：针对所述M个中间特征图和所述M个权重参数图中相匹配的中间特征图和权重参数图，利用权重参数图中的权重参数对中间特征图中匹配图位置处的像素值进行加权处理，得到加权处理后的特征图...

【专利技术属性】
技术研发人员：向天戈，
申请(专利权)人：深圳市腾讯计算机系统有限公司，
类型：发明
国别省市：