本申请实施例提供的一种特征提取方法、装置、电子设备及存储介质，应用于智能终端，可以获取预先设置的窗口参数；按照窗口参数，进行窗口大小的设置，得到目标窗口；获取目标对象的属性信息集；利用目标窗口对属性信息集进行滑动选取，得到多个属性信息单元；通过各属性信息单元对应的预设算子对多个属性信息单元进行计算，得到目标对象的目标特征。通过本申请实施例的方法，用户可以仅针对不同的应用场景设置不同的窗口，就可以根据预先设置的窗口参数进行属性信息的切分，并通过对应的算子进行计算，得到目标对象的目标特征，从而提高特征工程的拓展性。征工程的拓展性。征工程的拓展性。
【技术实现步骤摘要】
一种特征提取方法、装置、电子设备及存储介质
[0001]本申请涉及信息
，特别是涉及一种特征提取方法、装置、电子设备及存储介质。
技术介绍
[0002]目前，随着人工智能的快速发展，网络模型的应用已经变得越来越广泛。而在进行网络模型的训练之前，往往需要通过特征工程进行样本数据的特征的提取，然后通过提取到的特征进行待训练的网络模型的训练，得到训练好的网络模型。
[0003]然后，专利技术人研究发现，目前在通过特征工程进行样本数据的特征的提取时，特征工程往往是针对固定场景所开发的，只适用于固定的应用场景，在不同的应用场景之间，特征工程缺乏拓展性。
技术实现思路
[0004]本申请实施例的目的在于提供一种特征提取方法、装置、电子设备及存储介质，以实现提高特征工程的拓展性。具体技术方案如下：
[0005]本申请实施例的第一方面，首先提供了一种特征提取方法，包括：
[0006]获取预先设置的窗口参数；
[0007]按照所述窗口参数，进行窗口大小的设置，得到目标窗口；
[0008]获取目标对象的属性信息集；
[0009]利用所述目标窗口对所述属性信息集进行滑动选取，得到多个属性信息单元；
[0010]通过各所述属性信息单元对应的预设算子对所述多个属性信息单元进行计算，得到所述目标对象的目标特征。
[0011]可选的，所述通过各所述属性信息单元对应的预设算子对所述多个属性信息单元进行计算，得到所述目标对象的目标特征，包括：
[0012]获取用户设置的各所述属性信息单元对应的预设算子；
[0013]通过所述各所述属性信息单元对应的预设算子对所述多个属性信息单元进行计算，得到所述目标对象的目标特征。
[0014]可选的，所述通过各所述属性信息单元对应的预设算子对所述多个属性信息单元进行计算，得到所述目标对象的目标特征，包括：
[0015]从所述多个属性信息单元中选取一个或多个目标属性信息单元；
[0016]通过各所述属性信息单元对应的预设算子，对所述一个或多个目标属性信息单元进行计算，得到所述目标对象的目标特征。
[0017]可选的，所述通过各所述属性信息单元对应的预设算子对所述多个属性信息单元进行计算，得到所述目标对象的目标特征，包括：
[0018]通过各所述属性信息单元对应的预设算子对所述多个属性信息单元进行计算，得到待输出特征；
[0019]从预设网络模型中选取一个或多个特征提取层，通过所述一个或多个特征提取层对所述待输出特征进行计算，得到所述目标对象的目标特征。
[0020]可选的，所述从预设网络模型中选取一个或多个特征提取层，通过所述一个或多个特征提取层对所述待输出特征进行计算，得到所述目标对象的目标特征，包括：
[0021]从预设网络模型中选取多个特征提取层，通过所述多个特征提取层对所述待输出特征进行计算，得到多个待输出目标特征；
[0022]对所述多个待输出目标特征进行融合计算，得到所述目标对象的目标特征。
[0023]可选的，所述通过各所述属性信息单元对应的预设算子对所述多个属性信息单元进行计算，得到所述目标对象的目标特征，包括：
[0024]通过预设权重，对所述多个属性信息单元进行加权计算；
[0025]通过各所述属性信息单元对应的预设算子对加权计算后的多个属性信息单元进行计算，得到所述目标对象的目标特征。
[0026]可选的，所述通过各所述属性信息单元对应的预设算子对所述多个属性信息单元进行计算，得到所述目标对象的目标特征之后，所述方法还包括：
[0027]将所述目标对象的目标特征输入待训练的机器学习模型进行训练，得到训练好的机器学习模型。
[0028]本申请实施例的第二方面，提供了一种特征提取装置，包括：
[0029]参数获取模块，用于获取预先设置的窗口参数；
[0030]窗口设置模块，用于按照所述窗口参数，进行窗口大小的设置，得到目标窗口；
[0031]信息获取模块，用于获取目标对象的属性信息集；
[0032]信息切分模块，用于利用所述目标窗口对所述属性信息集进行滑动选取，得到多个属性信息单元；
[0033]特征获取模块，用于通过各所述属性信息单元对应的预设算子对所述多个属性信息单元进行计算，得到所述目标对象的目标特征。
[0034]可选的，所述特征获取模块，包括：
[0035]算子获取子模块，用于获取用户设置的各所述属性信息单元对应的预设算子；
[0036]信息计算子模块，用于通过所述各所述属性信息单元对应的预设算子对所述多个属性信息单元进行计算，得到所述目标对象的目标特征。
[0037]可选的，所述特征获取模块，包括：
[0038]属性选取子模块，用于从所述多个属性信息单元中选取一个或多个目标属性信息单元；
[0039]属性计算子模块，用于通过各所述属性信息单元对应的预设算子，对所述一个或多个目标属性信息单元进行计算，得到所述目标对象的目标特征。
[0040]可选的，所述特征获取模块，包括：
[0041]待输出特征获取子模块，用于通过各所述属性信息单元对应的预设算子对所述多个属性信息单元进行计算，得到待输出特征；
[0042]目标特征获取子模块，用于从预设网络模型中选取一个或多个特征提取层，通过所述一个或多个特征提取层对所述待输出特征进行计算，得到所述目标对象的目标特征。
[0043]可选的，所述目标特征获取子模块，包括：
[0044]特征层计算子模块，用于从预设网络模型中选取多个特征提取层，通过所述多个特征提取层对所述待输出特征进行计算，得到多个待输出目标特征；
[0045]特征融合子模块，用于对所述多个待输出目标特征进行融合计算，得到所述目标对象的目标特征。
[0046]可选的，所述特征获取模块，包括：
[0047]信息加权子模块，用于通过预设权重，对所述多个属性信息单元进行加权计算；
[0048]加权计算子模块，用于通过各所述属性信息单元对应的预设算子对加权计算后的多个属性信息单元进行计算，得到所述目标对象的目标特征。
[0049]可选的，所述装置还包括：
[0050]模型训练模块，用于将所述目标对象的目标特征输入待训练的机器学习模型进行训练，得到训练好的机器学习模型。
[0051]本申请实施例的另一方面，还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
[0052]存储器，用于存放计算机程序；
[0053]处理器，用于执行存储器上所存放的程序时，实现上述任一特征提取方法步骤。
[0054]本申请实施例的另一方面，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内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一特征提取方法步骤本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种特征提取方法，其特征在于，包括：获取预先设置的窗口参数；按照所述窗口参数，进行窗口大小的设置，得到目标窗口；获取目标对象的属性信息集；利用所述目标窗口对所述属性信息集进行滑动选取，得到多个属性信息单元；通过各所述属性信息单元对应的预设算子对所述多个属性信息单元进行计算，得到所述目标对象的目标特征。2.根据权利要求1所述的方法，其特征在于，所述通过各所述属性信息单元对应的预设算子对所述多个属性信息单元进行计算，得到所述目标对象的目标特征，包括：获取用户设置的各所述属性信息单元对应的预设算子；通过所述各所述属性信息单元对应的预设算子对所述多个属性信息单元进行计算，得到所述目标对象的目标特征。3.根据权利要求1所述的方法，其特征在于，所述通过各所述属性信息单元对应的预设算子对所述多个属性信息单元进行计算，得到所述目标对象的目标特征，包括：从所述多个属性信息单元中选取一个或多个目标属性信息单元；通过各所述属性信息单元对应的预设算子，对所述一个或多个目标属性信息单元进行计算，得到所述目标对象的目标特征。4.根据权利要求1所述的方法，其特征在于，所述通过各所述属性信息单元对应的预设算子对所述多个属性信息单元进行计算，得到所述目标对象的目标特征，包括：通过各所述属性信息单元对应的预设算子对所述多个属性信息单元进行计算，得到待输出特征；从预设网络模型中选取一个或多个特征提取层，通过所述一个或多个特征提取层对所述待输出特征进行计算，得到所述目标对象的目标特征。5.根据权利要求4所述的方法，其特征在于，所述从预设网络模型中选取一个或多个特征提取层，通过所述一个或多个特征提取层对所述待输出特征进行计算，得到所述目标对象的目标特征，包括：从预设网络模型中选取多个特征提取层，通过所述多个特征提取层对所述待输出...
【专利技术属性】
技术研发人员：李国琪，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
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。