【技术实现步骤摘要】
生成模型、提取特征的方法、装置、设备、介质及产品
[0001]本公开涉及图像处理
，尤其涉及计算机视觉和深度学习
技术介绍
[0002]图像匹配是兴趣点(Point of Interest，POI)自动化生产中的重要环节。图像特征能否准确描述招牌图像是图像匹配的关键。招牌图像的图像特征可以从两个方面进行描述，分别为全局特征和局部特征。全局特征是指图像的整体属性，常见的全局特征包括颜色特征、纹理特征和形状特征。局部特征是从图像局部区域中抽取的特征，包括边缘、角点、线、曲线和特别属性的区域等。从招牌的角度来理解，全局特征是指招牌的颜色，字体等。而局部特征是指招牌中单个文字的差别。
技术实现思路
[0003]本公开提供了一种用于生成模型、提取特征的方法、装置、设备、介质及产品。
[0004]根据本公开的一方面，提供了一种生成图像特征提取模型的方法，包括：获取样本图像集；对所述样本图像集中的样本图像进行初始图像特征提取，以得到初始图像特征；从所述初始图像特征中提取全局特征以及局部特征；确定第一...
【技术保护点】
【技术特征摘要】
1.一种生成图像特征提取模型的方法，包括：获取样本图像集；对所述样本图像集中的样本图像进行初始图像特征提取，以得到初始图像特征；从所述初始图像特征中提取全局特征以及局部特征；确定第一特征在第二特征上的非投影分量，所述第一特征为所述全局特征，所述第二特征为所述局部特征，或所述第一特征为所述局部特征，所述第二特征为所述全局特征；将所述非投影分量和所述第二特征进行融合，得到所述样本图像的目标图像特征；对所述样本图像集中样本图像对应的目标图像特征进行训练，生成图像特征提取模型。2.根据权利要求1所述的方法，其中，所述从所述初始图像特征中提取局部特征，包括：利用多个不同尺度的空洞卷积，分别从所述初始图像特征中提取对应所述不同尺度的局部特征；对所述不同尺度的局部特征进行池化处理；将池化处理得到的多个不同尺度的局部特征进行卷积，得到所述初始图像特征的局部特征。3.根据权利要求1所述的方法，其中，所述从所述初始图像特征中提取全局特征，包括：对所述初始图像特征进行卷积和下采样，以从所述初始图像特征中提取全局特征。4.根据权利要求1所述的方法，其中，所述对所述样本图像集中的样本图像进行初始图像特征提取，以得到初始图像特征，包括：确定预训练模型，并从所述预训练模型中提取中间层神经网络，作为提取初始图像特征的初始神经网络；将所述样本图像集中的样本图像输入所述初始神经网络中，得到初始图像特征。5.根据权利要求1
‑
4中任意一项所述的方法，其中，所述确定第一特征在第二特征上的非投影分量，包括：基于第一特征和第二特征的比值，确定所述第一特征在所述第二特征上的投影分量；基于所述第一特征和所述投影分量的差值，确定所述第一特征在所述第二特征上的非投影分量。6.根据权利要求1
‑
4中任意一项所述的方法，其中，所述将所述非投影分量和所述第二特征进行融合，得到所述样本图像的目标图像特征，包括：将所述非投影分量和所述第二特征进行拼接；对拼接后的特征进行池化处理，得到所述样本图像的目标图像特征。7.根据权利要求1
‑
4中任意一项所述的方法，其中，所述对所述样本图像集中样本图像对应的目标图像特征进行训练，生成图像特征提取模型，包括：为所述样本图像集中样本图像对应的每类标注类别，分别设置多个聚类中心；基于所有的聚类中心，对样本图像对应的目标图像特征进行分类训练，以确定所述目标图像特征所属的预测类别；直到样本图像对应的标注类别与预测类别之间满足收敛条件，生成图像特征提取模型。8.一种提取图像特征的方法，包括：
获取待进行图像特征提取的图像；将所述图像输入至如上述1
‑
7任一项所述的方法生成的图像特征提取模型之中，得到所述图像特征提取模型输出的图像特征。9.一种生成图像特征提取模型的装置，包括：获取样本单元，用于获取样本图像集；第一提取单元，用于对所述样本图像集中的样本图像进行初始图像特征提取，以得到初始图像特征；第二提取单元，用于从所述初始图像特征中提取全局特征以及局部特征；融合单元，用于确定第一特征在第二特征上的非投影分量，所述...
【专利技术属性】
技术研发人员：余威，王昆，
申请(专利权)人：北京百度网讯科技有限公司，
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。