【技术实现步骤摘要】
特征提取网络模型的训练方法、图像处理方法及其装置
[0001]本申请涉及神经网络
，具体涉及一种特征提取网络模型的训练方法、图像处理方法及其装置。
技术介绍
[0002]众所周知，针对图像的特征点提取方法，被广泛应用到诸多图像处理场景中，比如农田测绘场景和农田重建场景。
[0003]然而，通常情况下，基于现有特征点提取方法提取的特征点的鲁棒性较差，尤其是具有重复纹理的图像。依赖于鲁棒性较差的特征点，难以保证后续特征点匹配对的数量。没有足够数量的特征点匹配对，便难以建立图像的帧间数据关联关系，进而难以保障后续的图像处理操作的顺利进行。
技术实现思路
[0004]有鉴于此，本申请提供一种特征提取网络模型的训练方法、图像处理方法及其装置，以解决所提取的特征点的数量过少且鲁棒性较差的问题。
[0005]第一方面，本申请提供了一种特征提取网络模型的训练方法，该特征提取网络模型的训练方法包括：基于原始图像样本中的预设区域，生成M个训练集，其中，训练集包括基于原始图像样本生成的第一样本图像和第二样本图...
【技术保护点】
【技术特征摘要】
1.一种特征提取网络模型的训练方法，其特征在于，包括：基于原始图像样本中的预设区域，生成M个训练集，其中，所述训练集包括基于所述原始图像样本生成的第一样本图像和第二样本图像，所述第一样本图像和所述第二样本图像存在变换关系，且所述第一样本图像和所述第二样本图像中均包括所述预设区域；基于所述M个训练集，自监督训练待训练网络模型得到特征提取网络模型，其中，所述特征提取网络模型用于基于待处理图像集确定所述待处理图像集对应的特征点数据。2.根据权利要求1所述的特征提取网络模型的训练方法，其特征在于，所述基于原始图像样本中的预设区域，生成M个训练集，包括：基于所述预设区域裁剪所述原始图像样本，得到M幅第一样本图像；基于所述M幅第一样本图像，确定所述M幅第一样本图像各自对应的第二样本图像；基于所述M幅第一样本图像和所述M幅第一样本图像各自对应的第二样本图像，生成所述M个训练集。3.根据权利要求2所述的特征提取网络模型的训练方法，其特征在于，所述基于所述M幅第一样本图像，确定所述M幅第一样本图像各自对应的第二样本图像，包括：针对所述M幅第一样本图像中的每幅第一样本图像，基于所述第一样本图像，确定所述第一样本图像对应的待变换图像；对所述待变换图像进行扰动形变操作，得到变换图像；确定所述待变换图像和所述变换图像之间的仿射变换数据；基于所述仿射变换数据对所述原始图像样本进行仿射变换操作和图像校正操作，得到所述第一样本图像对应的所述第二样本图像，其中，所述第二样本图像和所述第一样本图像尺寸相同，并且所述第二样本图像和所述第一样本图像之间的相对变换数据可基于所述仿射变换数据确定。4.根据权利要求1至3任一项所述的特征提取网络模型的训练方法，其特征在于，所述待训练网络模型包括特征提取器和描述器，针对所述M个训练集中的每个训练集，所述特征提取器用于，分别对所述训练集中的所述第一样本图像和所述第二样本图像进行处理，得到所述训练集中的所述第一样本图像对应的分数图数据、方向图数据和尺度图数据，以及所述训练集中的所述第二样本图像对应的分数图数据、方向图数据和尺度图数据，进而得到所述训练集对应的关键点数据；所述描述器用于，描述所述训练集对应的关键点数据，生成包括关键点描述信息的特征点数据。5.根据权利要求1至3任一项所述的特征提取网络模型的训练方法，其特征在于，所述原始图像样本包括具有重复纹理的图像样本，所述具有重复纹理的图像样本包括飞行器拍摄的农田场景图像，所述农田场景图像包括香蕉林图像、小麦地图像和玉米地图像中的至少一种图像。6.一种图像处理方法，其特征在于，包括：基于特征提取网络模型，确定待处理图像集对应的特征点数据，所述特征提取网络模型基于上述权利要求1至5任一项所述的方法训练得到；基于所述待处理图像集对应的特征点数据，生成所述待处理...
【专利技术属性】
技术研发人员：叶培楚，曾宪贤，
申请(专利权)人：广州极飞科技股份有限公司，
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。