【技术实现步骤摘要】
一种特征检测方法、装置、计算机设备和存储介质
[0001]本公开涉及深度学习
,具体而言,涉及一种特征检测方法、装置、计算机设备和存储介质。
技术介绍
[0002]目标图像的局部特征点、局部特征信息和全局特征信息在图像检索、视觉定位等场景中发挥着重要作用。现有技术中,关于目标图像的局部特征点、局部特征信息和全局特征信息,需要利用三个不同的检测神经网络分步提取。
[0003]上述分步提取的方式,将会消耗大量的时间,并且信息提取效率低下。
技术实现思路
[0004]本公开实施例至少提供一种特征检测方法、装置、计算机设备和存储介质。
[0005]第一方面,本公开实施例提供了一种特征检测方法,包括:
[0006]获取目标图像;
[0007]提取所述目标图像的基础图像特征;
[0008]基于所述基础图像特征,确定所述目标图像的局部特征点、所述局部特征点对应的局部特征信息以及所述目标图像的全局特征信息。
[0009]这里,利用一个神经网络首先提取基础图像特征,再基于提取的基础图像特征,能够实现同时确定局部特征点、局部特征信息以及全局特征信息,避免了上述三种信息单独提取,有效提高了信息提取效率,并且由于基础图像特征是提取上述三种特征信息都需要用到的特征信息,通过共用一次提取得到的基础图像特征来实现上述三种特征信息的获取,能够避免获取每一种上述特征信息时都对基础图像特征进行提取,造成基础图像特征重复提取的问题,减少了信息提取中的计算量。
[0010]在一种 ...
【技术保护点】
【技术特征摘要】
1.一种特征检测方法,其特征在于,包括:获取目标图像;提取所述目标图像的基础图像特征;基于所述基础图像特征,确定所述目标图像的局部特征点、所述局部特征点对应的局部特征信息以及所述目标图像的全局特征信息。2.根据权利要求1所述的方法,其特征在于,所述基于所述基础图像特征,确定所述目标图像的局部特征点、所述局部特征点对应的局部特征信息以及所述目标图像的全局特征信息,包括:利用特征检测神经网络,基于所述基础图像特征,输出所述目标图像的局部特征点、所述局部特征点对应的局部特征信息以及所述目标图像的全局特征信息。3.根据权利要求2所述的方法,其特征在于,对所述特征检测神经网络进行训练,包括:获取多张样本图像;针对每张样本图像,确定与所述样本图像具有共视关系的至少一张样本衍生图像,并将所述样本图像分别与每张样本衍生图像进行组合,得到至少一个样本图像对;利用所述样本图像对,对所述特征检测神经网络进行训练。4.根据权利要求3所述的方法,其特征在于,所述样本图像包括第一样本场景图像,所述样本图像对包括第一样本场景图像对;所述针对每张样本图像,确定与所述样本图像具有共视关系的至少一张样本衍生图像,并将所述样本图像分别与每张样本衍生图像进行组合,得到至少一个样本图像对,包括:获取目标场景下的多张第一样本场景图像;基于多张所述第一样本场景图像,确定与所述目标场景对应的三维场景信息;基于所述三维场景信息,从所述第一样本场景图像中筛选具有共视关系的至少一对第一样本场景图像,得到至少一个所述第一样本场景图像对。5.根据权利要求3或4所述的方法,其特征在于,所述样本图像包括第二样本场景图像,所述样本图像对包括第二样本场景图像对;所述针对每张样本图像,确定与所述样本图像具有共视关系的至少一张样本衍生图像,并将所述样本图像分别与每张样本衍生图像进行组合,得到至少一个样本图像对,包括:获取非目标场景下的多张第二样本场景图像;针对每张第二样本场景图像,对所述第二样本场景图像执行第一预处理操作,得到与所述第二样本场景图像具有共视关系的至少一张目标衍生图像,并将所述第二样本场景图像分别与每张目标衍生图像进行组合,得到至少一个第二样本场景图像对。6.根据权利要求5所述的方法,其特征在于,所述利用所述样本图像对,对所述特征检测神经网络进行训练,包括:对至少部分所述样本图像对执行第二预处理操作,得到至少一个预处理后的样本图像对;所述样本图像对包括第一样本图像对和/或第二样本图像对;利用所述至少部分所述样本图像对和所述预处理后的样本图像对,对所述特征检测神经网络进行训练。
7.根据权利要求6所述的方法,其特征在于,所述第二预处理操作包括以下至少一项:加入随机噪声操作、改变图像亮度操作。8.根据权利要求3至7任一项所述的方法,其特征在于,所述利用所述样本图像对,对所述特征检测神经网络进行训练,包括:分别确定所述样本图像对中的每张样本图像的局部标注特征点;从所述样本图像对中的样本衍生图像中,筛选所述局部标注特征点对应的正样本特征点和负样本特征点;利用所述局部标注特征点、所述局部标注特征点对应的正样本特征点和负样本特征点,对所述特征检测神经网络进行训练。9.根据权利要求8所述的方法,其特征在于,所述从所述样本图像对中的样本衍生图像中,筛选所述局部标注特征点对应的正样本特征点和负样本特征点,包括:将所述样本衍生图像中的与所述局部标注特征点对应的特征点,作为正样本特征点;从所述样本衍生图像中除所述正样本特征点以外的特征点中,筛选与所述局部标注特征点相似度最高的特征点,将筛选出的相似度最高的特征点作为所述负样本特征点。10.根据权利要求8或9所述的方法,其特征在于,所述利用所述局部标注特征点、所述局部标注特征点对应的正样本特征点和负样本特征点,对所述特征检测神经网络进行训练,包括:将所述样本图像对输入到所述特征检测神经网络中,得到局部预测特征点、所述局部标注特征点对...
【专利技术属性】
技术研发人员:甄佳楠,周晓巍,孙佳明,沈泽弘,
申请(专利权)人:浙江商汤科技开发有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。