图像特征提取方法、终端设备以及计算机可读存储介质技术

本申请公开了一种图像特征提取方法、终端设备以及计算机可读存储介质，该图像特征提取方法包括：对待检测图像进行不同尺度的特征提取，获得待检测图像的特征图集；特征图集中包含至少两个特征图，且特征图集中不同特征图的尺度不同；确定特征图集中各个特征图对应的参考值；参考值表征对应的特征图相对于其它特征图的重要程度确定的，其它特征图包括特征图集中对应的特征图之外的特征图；利用各个特征图对应的参考值，对各个特征图进行更新，得到待检测图像的多个目标特征图。本申请的图像特征提取方法为不同尺度的特征图分配不同的参考值，从而按照参考值对特征图进行更新，提高特征图之间的联系，提高特征图的准确性。提高特征图的准确性。提高特征图的准确性。

【技术实现步骤摘要】
图像特征提取方法、终端设备以及计算机可读存储介质


[0001]本申请涉及图像处理
，特别是涉及一种图像特征提取方法、终端设备以及计算机可读存储介质。

技术介绍

[0002]近年来，随着神经网络技术的发展和计算机算力的飞速提升，越来越多的视觉任务比如行人检测、人脸识别、垃圾检测、缺陷检测、车牌检测、商品检测、遥感目标检测等都可以通过计算机实现智能化处理。
[0003]目标检测任务通过准确定位目标位置和识别目标类别在生活、工业生产、城市建设、军事侦查以及环境保护等许多领域都有着广泛的应用价值。而现有的很多基于深度学习的目标检测算法多使用多层特征金字塔等价预测目标，未考虑不同层级特征的重要程度，所有特征层等价参与预测，使得特征学习不聚焦，层间预测易产生冲突。

技术实现思路

[0004]本申请提供一种图像特征提取方法、终端设备以及计算机可读存储介质。
[0005]为解决上述技术问题，本申请提供的第一个技术方案为：提供一种图像特征提取方法，所述图像特征提取方法包括：
[0006]对待检测图像进行不同尺度的特征提取，获得所述待检测图像的特征图集；所述特征图集中包含至少两个特征图，且所述特征图集中不同特征图的尺度不同；
[0007]确定所述特征图集中各个特征图对应的参考值；所述参考值表征对应的特征图相对于其它特征图的重要程度确定的，所述其它特征图包括所述特征图集中所述对应的特征图之外的特征图；
[0008]利用所述各个特征图对应的参考值，对所述各个特征图进行更新，得到所述待检测图像的多个目标特征图。
[0009]其中，所述获取每一层特征图的多尺度选择注意力权重，包括：
[0010]所述确定所述特征图集中各个特征图对应的参考值，包括：
[0011]获取所述特征图集中各个特征图的特征向量；
[0012]基于所述特征图集中各个特征图的特征向量获取全局特征向量；
[0013]基于所述全局特征向量确定所述特征图集中各个特征图的参考值。
[0014]其中，所述参考值包括注意力权重；
[0015]所述基于所述全局特征向量确定所述特征图集中各个特征图的参考值，包括：
[0016]将所述全局特征向量输入预设全连接层，获取所述预设全连接层输出的特征嵌入向量，其中，所述特征嵌入向量的维度为所述特征图集中的特征图数量；
[0017]将所述特征嵌入向量进行归一化处理，得到所述特征图集中各个特征图的多尺度选择注意力权重。
[0018]其中，所述获取所述特征图集中各个特征图的特征向量，包括：
[0019]将所述特征图集中各个特征图经过全局池化，得到各个特征图的特征向量；
[0020]所述基于所述特征图集中各个特征图的特征向量获取全局特征向量，包括：
[0021]将对所述各个特征图的特征向量进行拼接，得到所述全局特征向量。
[0022]其中，
[0023]所述利用所述各个特征图对应的参考值，对所述各个特征图进行更新，得到所述待检测图像的多个目标特征图，包括：
[0024]基于所述各个特征图对应的参考值，对所述各个特征图进行加权处理，得到各个特征图对应的所述目标特征图。
[0025]其中，
[0026]所述得到所述待检测图像的多个目标特征图之后，还包括：
[0027]利用所述多个目标特征图，对所述待检测图像进行目标检测、目标分类或目标识别中的至少一种操作。
[0028]为解决上述技术问题，本申请提供的第二个技术方案为：提供一种目标检测方法，
[0029]所述目标检测方法包括：
[0030]基于上述的图像特征提取方法，对待检测图像进行特征提取，得到所述待检测图像的多个目标特征图；
[0031]利用所述多个目标特征图，对所述待检测图像进行目标检测。
[0032]其中，所述利用所述多个目标特征图，对所述待检测图像进行目标检测，包括：
[0033]将所述多个目标特征图输入训练后的目标检测模型，生成目标检测框；其中，所述目标检测模型是基于训练图像集中多个目标的子预测损失进行训练的；所述子预测损失是基于对应的目标检测框与目标标注框之间的拟合程度确定的，且所述子预测损失和对应的所述拟合程度呈正相关关系。
[0034]其中，所述目标检测模型是通过如下方式进行训练得到的：
[0035]利用训练中的目标检测模型对训练图像集中进行目标检测，得到所述多个目标的目标检测框；
[0036]基于所述多个目标中各个目标的目标检测框与目标标注框之间的拟合程度，确定各个目标的子预测损失；
[0037]利用获得的各个子预测损失，调整所述训练中的目标检测模型的模型参数，得到训练后的目标检测模型。
[0038]其中，所述利用获得的各个子预测损失，调整所述训练中的目标检测模型的模型参数，包括：
[0039]对获得的各个子预测损失进行加权求和，得到总体损失；
[0040]利用所述总体损失调整所述训练中的目标检测模型的模型参数。
[0041]其中，所述基于所述多个目标中各个目标的目标检测框与目标标注框之间的拟合程度，确定各个目标的子预测损失，包括：
[0042]分别将各个目标作为待处理目标，对所述待处理目标进行如下操作：
[0043]获取所述待处理目标的目标检测框与真实标注框的交并比；
[0044]基于所述交并比获取动态中心因子；
[0045]利用所述动态中心因子调整所述交并比得到所述待处理目标的子预测损失。
[0046]其中，所述基于所述交并比获取动态中心因子，包括：
[0047]获取预设超参数，其中，所述预设超参数用于控制损失曲线分布；
[0048]基于所述预设超参数和所述交并比获取动态聚焦程度参数；
[0049]利用所述动态聚焦程度参数调整所述交并比，得到所述动态中心因子。
[0050]其中，所述利用所述动态中心因子调整所述交并比得到所述待处理目标的子预测损失，包括：
[0051]获取1与所述交并比的差值；
[0052]利用所述动态中心因子与所述差值的乘积，得到所述待处理目标的子预测损失。
[0053]为解决上述技术问题，本申请提供的第三个技术方案为：提供一种终端设备，所述终端设备包括处理器、与所述处理器连接的存储器，其中，所述存储器存储有程序指令；所述处理器用于执行所述存储器存储的程序指令以实现上述的图像特征提取方法和/或目标检测方法。
[0054]为解决上述技术问题，本申请提供的第四个技术方案为：提供一种计算机可读存储介质，所述存储介质存储有程序指令，所述程序指令被执行时实现上述的图像特征提取方法和/或目标检测方法。
[0055]本申请提供的图像特征提取方法中，终端设备对待检测图像进行不同尺度的特征提取，获得待检测图像的特征图集；特征图集中包含至少两个特征图，且特征图集中不同特征图的尺度不同；确定特征图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像特征提取方法，其特征在于，所述图像特征提取方法包括：对待检测图像进行不同尺度的特征提取，获得所述待检测图像的特征图集；所述特征图集中包含至少两个特征图，且所述特征图集中不同特征图的尺度不同；确定所述特征图集中各个特征图对应的参考值；所述参考值表征对应的特征图相对于其它特征图的重要程度确定的，所述其它特征图包括所述特征图集中所述对应的特征图之外的特征图；利用所述各个特征图对应的参考值，对所述各个特征图进行更新，得到所述待检测图像的多个目标特征图。2.根据权利要求1所述的图像特征提取方法，其特征在于，所述确定所述特征图集中各个特征图对应的参考值，包括：获取所述特征图集中各个特征图的特征向量；基于所述特征图集中各个特征图的特征向量获取全局特征向量；基于所述全局特征向量确定所述特征图集中各个特征图的参考值。3.根据权利要求2所述的图像特征提取方法，其特征在于，所述参考值包括注意力权重；所述基于所述全局特征向量确定所述特征图集中各个特征图的参考值，包括：将所述全局特征向量输入预设全连接层，获取所述预设全连接层输出的特征嵌入向量，其中，所述特征嵌入向量的维度为所述特征图集中的特征图数量；将所述特征嵌入向量进行归一化处理，得到所述特征图集中各个特征图的多尺度选择注意力权重。4.根据权利要求2或3所述的图像特征提取方法，其特征在于，所述获取所述特征图集中各个特征图的特征向量，包括：将所述特征图集中各个特征图经过全局池化，得到各个特征图的特征向量；所述基于所述特征图集中各个特征图的特征向量获取全局特征向量，包括：将对所述各个特征图的特征向量进行拼接，得到所述全局特征向量。5.根据权利要求1所述的方法，其特征在于，所述利用所述各个特征图对应的参考值，对所述各个特征图进行更新，得到所述待检测图像的多个目标特征图，包括：基于所述各个特征图对应的参考值，对所述各个特征图进行加权处理，得到各个特征图对应的所述目标特征图。6.根据权利要求1所述的方法，其特征在于，所述得到所述待检测图像的多个目标特征图之后，还包括：利用所述多个目标特征图，对所述待检测图像进行目标检测、目标分类或目标识别中的至少一种操作。7.一种目标检测方法，其特征在于，所述目标检测方法包括：基于权利要求1
‑
6任一项所述的图像特征提取方法，对待检测图像进行特征提取，得到所述待检测图像的多个目标特征图；利用所述多个目标特征图，对所述待检测图像进行目标检测。8.根据权利要求7所述的目标检测方法，其特征在于，所述利用所述多个目标特征图，对所述待检测图像进行目标检测，包括：

【专利技术属性】
技术研发人员：孙泽培，王科洋，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：