图片特征的提取方法、装置、计算机设备及可读存储介质制造方法及图纸

本申请公开了一种图片特征的提取方法、装置、计算机设备及可读存储介质，涉及计算机技术领域，减弱特征学习中对负样本的需求，降低学习和内存带来的压力，提高效率，提升特征提取的准确率和性能。所述方法包括：获取待进行图片特征提取的目标图片，对目标图片进行增强处理，得到第一视角图片和第二视角图片；确定第一视角图片的第一特征向量、第二视角图片的第二特征向量，对第一特征向量和第二特征向量进行特征投影，采用特征投影后的第一特征向量和特征投影后的第二特征向量，生成损失函数值；基于损失函数值进行图片特征的表示学习，得到特征提取模型；将目标图片输入至特征提取模型，获取特征提取模型输出的向量作为目标图片的图片特征向量。片的图片特征向量。片的图片特征向量。

【技术实现步骤摘要】
图片特征的提取方法、装置、计算机设备及可读存储介质


[0001]本申请涉及计算机
，特别是涉及一种图片特征的提取方法、装置、计算机设备及可读存储介质。

技术介绍

[0002]随着计算机技术的不断发展，人们获得图片、视频等各种多媒体信息越来越容易，其中图片是数量较多的一种，如何对图片进行分类以便有效地、快速地从大规模图片数据库中检索出所需要的图片已成为人们日益关注的问题。而对图片特征进行提取，是对图片分类、检索过程中较为重要的一个环节。
[0003]相关技术中，设当前需要提取图片A的图片特征，首先需要对A进行相应变化，得到类似于A的多个图片作为正样本；接着收集一些与A存在区别的多个图片作为负样本。通过对A、正样本和负样本的对比学习，拉进A与正样本的特征距离，同时拉远A与负样本的特征距离，进而提取到A本身的特征向量。
[0004]在实现本申请的过程中，申请人发现相关技术至少存在以下问题：
[0005]为了得到较强的图片特征提取能力，需要筛选大量质量较高的负样本，如果随机挑选明显和A不同的图片作为负样本，会导致对比的训练本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图片特征的提取方法，其特征在于，包括：获取待进行图片特征提取的目标图片，对所述目标图片进行增强处理，得到第一视角图片和第二视角图片；确定所述第一视角图片的第一特征向量、所述第二视角图片的第二特征向量，对所述第一特征向量和所述第二特征向量进行特征投影，采用特征投影后的所述第一特征向量和特征投影后的所述第二特征向量，生成损失函数值；基于所述损失函数值进行图片特征的表示学习，得到特征提取模型；将所述目标图片输入至所述特征提取模型，获取所述特征提取模型输出的向量作为所述目标图片的图片特征向量。2.根据权利要求1所述的方法，其特征在于，所述获取待进行图片特征提取的目标图片，对所述目标图片进行增强处理，得到第一视角图片和第二视角图片，包括：获取输入的待进行图片特征提取的所述目标图片，在目标图片中确定基准边，其中，所述基准边是所述目标图片的一图片边界，所述基准边的长度小于等于所述目标图片中除所述基准边外的其他图片边界的长度；在所述目标图片中裁剪边长等于所述基准边的长度的两个区域图片，将所述两个区域图片中任一区域图片作为所述第一视角图片，将所述两个区域图片中除所述第一视角图片外的另一区域图片作为所述第二视角图片。3.根据权利要求1所述的方法，其特征在于，所述确定所述第一视角图片的第一特征向量、第二视角图片的第二特征向量，对所述第一特征向量和第二特征向量进行特征投影，采用特征投影后的所述第一特征向量和特征投影后的所述第二特征向量，生成损失函数值，包括：获取主视角编码器，确定预设编码维度，基于所述主视角编码器对所述第一视角图片进行编码处理，得到维度与所述预设编码维度一致的所述第一特征向量；确定辅视角编码器，基于所述辅视角编码器对所述第二视角图片进行编码处理，得到维度与所述预设编码维度一致的所述第二特征向量；获取维度为预设投影维度的主视角投影矩阵、辅视角投影矩阵，采用所述主视角投影矩阵对所述第一特征向量进行特征投影，采用所述辅视角投影矩阵对所述第二特征向量进行特征投影，得到特征投影后的所述第一特征向量、特征投影后的所述第二特征向量；对特征投影后的所述第一特征向量进行非线性变化，得到非线性变化向量；在特征投影后的所述第二特征向量中，分别为所述非线性变化向量包括的多个元素中的每个元素确定处于相同位置的元素，得到所述每个元素的对应位元素，对所述每个元素执行以下处理：计算所述元素与对应位元素的差值，对所述差值进行平方计算，得到平方值；获取所述每个元素的平方值，得到所述多个元素的多个平方值，计算所述多个平方值的和值，以及将所述和值作为所述损失函数值。4.根据权利要求3所述的方法，其特征在于，所述采用所述主视角投影矩阵对所述第一特征向量进行特征投影，采用所述辅视角投影矩阵对所述第二特征向量进行特征投影，得到特征投影后的所述第一特征向量、特征投影后的所述第二特征向量，包括：采用矩阵乘法，对所述主视角投影矩阵和所述第一特征向量进行计算，得到维度等于
所述预设投影维度的向量作为特征投影后的所述第一特征向量；采用矩阵乘法，对所述辅视角投影矩阵和所述第二特征向量进行计算，得到维度等于所述预设投影维度的向量作为特征投影后的所述第二特征向量。5.根据权利要求3所述的方法，其特征在于，所述对特征投影后的所述第一特征向量进行非线性变化，得到非线性变化向量，包括：获取维度为第一预设变换维度的第一预设变换矩阵，采用矩阵乘法对所述第一预设变换矩阵和特征投影后的所述第一特征向量进行计算，得到维度等于所述第一预设变换维度的向量作为第一中间向量；对...

【专利技术属性】
技术研发人员：谯轶轩，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：