特征编码方法、解码方法及相关设备技术

本申请公开了一种特征编码方法、解码方法、电子设备及计算机可读存储介质。该特征编码方法包括：基于预设向量维度，将待编码特征变换成多个待量化特征；利用预先训练的至少两个码本，分别对各个待量化特征进行量化，得到各个待量化特征各自对应的量化特征；对各个量化特征组成的目标量化向量进行编码，得到编码特征，其中，目标量化向量的维度与预设向量维度相同。通过上述方式，能够提高特征编码的准确度。确度。确度。

【技术实现步骤摘要】
特征编码方法、解码方法及相关设备


[0001]本申请涉及图像编解码
，特别是涉及一种特征编码方法、解码方法、电子设备及计算机可读存储介质。

技术介绍

[0002]在人工智能领域，经常涉及到目标(图像、语音、文本等等)的识别，而在进行目标识别之前，需要将目标从采集端(又称编码端)传输到识别端(又称解码端)，相关技术中有两种传输方式，一种是将目标作为传输对象，在采集端对目标编码，将目标编码结果传输至识别端，在识别端对解码结果解码得到目标。另一种是考虑到目标识别是基于目标的特征进行的，因此先对目标进行特征提取，得到目标的特征，将目标的特征作为传输对象，在采集端对目标的特征编码，对特征编码结果传输至识别端，在识别端对解码结果解码得到目标的特征。前者传输方式传输效率较低，影响目标识别的效率。后者传输方式传输效率较高，但是现有实现后者传输方式的特征编码方法，对特征的编码的准确度仍然不够高。

技术实现思路

[0003]本申请提供一种特征编码方法、解码方法、电子设备及计算机可读存储介质，能够解决现有的特征编码方法对特征的编码的准确度不够高的问题。
[0004]为解决上述技术问题，本申请采用的一个技术方案是：提供一种特征编码方法。该方法包括：基于预设向量维度，将待编码特征变换成多个待量化特征；利用预先训练的至少两个码本，分别对各个所述待量化特征进行量化，得到各个待量化特征各自对应的量化特征；对各个量化特征组成的目标量化向量进行编码，得到编码特征，其中，目标量化向量的维度与预设向量维度相同。
[0005]为解决上述技术问题，本申请采用的另一个技术方案是：提供一种特征解码方法。该方法包括：获取编码特征；对编码特征解码，得到目标量化向量；分别基于目标量化向量包括的各个量化特征，从对应的码本中确定反量化特征；将各个反量化特征反变换成解码特征；其中，编码特征是基于前述编码方法得到的。
[0006]为解决上述技术问题，本申请采用的另一个技术方案是：提供一种电子设备，该电子设备包括处理器、与处理器连接的存储器，其中，存储器存储有程序指令；处理器用于执行存储器存储的程序指令以实现上述方法。
[0007]为解决上述技术问题，本申请采用的又一个技术方案是：提供一种计算机可读存储介质，存储有程序指令，该程序指令被执行时能够实现上述方法。
[0008]通过上述方式，本申请将待编码特征变换成多个待量化特征，利用预先训练的至少两个码本，分别对各个待量化特征进行量化，得到各个待量化特征各自对应的量化特征，对各个量化特征组成的目标量化向量编码得到编码特征。从而，本申请未直接对待编码特征进行码本量化，而是将待编码特征变换成的多个待量化特征进行多码本量化，因此能够更加充分地发挥码本量化的作用，提高待编码特征的量化精细度、降低量化误差，提高特征
编码的准确度。
附图说明
[0009]图1是本申请特征编码方法一实施例的流程示意图；
[0010]图2是非均匀量化的示意图；
[0011]图3是码本量化的示意图；
[0012]图4是本申请特征编码方法另一实施例的流程示意图；
[0013]图5是对待编码特征进行变换的一示意图；
[0014]图6是对待编码特征进行变换的另一示意图；
[0015]图7是对待编码特征进行变换的又一示意图；
[0016]图8是对待编码特征进行变换的又一示意图；
[0017]图9是本申请特征编码方法又一实施例的流程示意图；
[0018]图10是对待编码特征进行第一空间变换的一示意图；
[0019]图11是对待编码特征进行第二空间变换的示意图；
[0020]图12是对待编码特征进行第一空间变换的另一示意图；
[0021]图13是本申请特征编码方法又一实施例的流程示意图；
[0022]图14是本申请编码网络的结构示意图；
[0023]图15是本申请特征编码方法又一实施例的流程示意图；
[0024]图16是量化模块的训练示意图；
[0025]图17是量化模块的一结构示意图；
[0026]图18是本申请特征解码方法一实施例的流程示意图；
[0027]图19是本申请电子设备一实施例的结构示意图；
[0028]图20是本申请计算机可读存储介质一实施例的结构示意图。
具体实施方式
[0029]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0030]本申请中的术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0031]在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，在不冲突的情况下，本文所描述的实施例可以与其它实施例相结合。
[0032]图1是本申请特征编码方法一实施例的流程示意图。需注意的是，若有实质上相同的结果，本实施例并不以图1所示的流程顺序为限。如图1所示，本实施例可以包括：
[0033]S11：基于预设向量维度，将待编码特征变换成多个待量化特征。
[0034]本申请方法实施例的执行主体是特征编码设备(编码端)，特征编码设备可以是任何具有特征编码能力的电子设备，如手机、电脑、图像处理设备、语音处理设备、文本处理设备，还可以是服务器，如物理服务器、云端服务器、分布式服务器。
[0035]待编码特征即目标的原始特征，可以是语音特征、图像特征、文本特征等等，待编码特征可以通过神经网络提取得到。语音特征可以用于语音识别，如通过语音识别人物身份、语音转文字。图像特征可以用于图像识别，如图像分类、目标检测、语义分割。文本特征可以用于文本识别，如文本翻译、文本概括等等。
[0036]待编码特征的变换方式可以包括空间变换、拆分、空间变换及拆分的组合等等。
[0037]S12：利用预先训练的至少两个码本，分别对各个待量化特征进行量化，得到各个待量化特征各自对应的量化特征。
[0038]码本的数量与待量化特征的数量可以相同，在此情况下待量化特征与码本一一对应，每个待量化特征对应不同标识的码本。码本的数量与待量化特征的数量也可以不相同，在此情况下至少两个待量化特征与同一标识的码本对应。一个待量化特征可以被其对应的码本量化为一个量化特征。
[0039]码本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种特征编码方法，其特征在于，包括：基于预设向量维度，将待编码特征变换成多个待量化特征；利用预先训练的至少两个码本，分别对各个所述待量化特征进行量化，得到各个所述待量化特征各自对应的量化特征；对各个所述量化特征组成的目标量化向量进行编码，得到所述编码特征，其中，所述目标量化向量的维度与所述预设向量维度相同。2.根据权利要求1所述的方法，其特征在于，所述将待编码特征变换成多个待量化特征，包括：对所述待编码特征进行至少一次拆分处理，其中首次拆分处理的拆分对象为所述待编码特征，其余拆分处理的拆分对象为前一次拆分过程的各个拆分结果，所述拆分处理为将所述拆分对象拆分成相加结果或者拼接结果等于所述拆分对象的至少两个所述拆分结果；将所述至少一次拆分处理中最后一次拆分得到的各个所述拆分结果分别作为所述待量化特征。3.根据权利要求2所述的方法，其特征在于，在所述对所述待编码特征进行至少一次拆分处理之前，包括：对所述待编码特征进行第一空间变换，得到第一空间变换后的待编码特征，或者对所述待编码特征进行第二空间变换，得到第二空间变换后的待编码特征，所述第一空间变换后的待编码特征包括一个第一隐空间特征，所述第二空间变换后的待编码特征包括多个第二隐空间特征，所述第一隐空间特征的维度等于所述待编码特征的维度，多个所述第二隐空间特征的总维度等于所述待编码特征的维度。4.根据权利要求1所述的方法，其特征在于，所述将所述待编码特征变换成多个待量化特征，包括：对所述待编码特征进行第二空间变换，得到多个第二隐空间特征，多个所述第二隐空间特征的总维度等于所述待编码特征的维度；将各个所述第二隐空间特征分别作为所述待量化特征。5.根据权利要求1所述的方法，其特征在于，所述码本包括多个码本特征，所述码本特征的数量是基于所述量化特征的编码比特数确定的；所述利用预先训练的至少两个码本，分别对各个所述待量化特征进行量化，得到各个所述待量化特征各自对应的量化特征，包括：针对每个所述待量化特征，从对应的所述码本中选择与所述待量化特征相似度最大的一个所述码本特征，作为目标码本特征；将所述目标码本特征的索引值作为所述量化特征。6.根据权利要求5所述的方法，其特征在于，至少两个所述待量化特征对应的码本中的码本特征的数量不同。7.根据权利要求1所述的方法，其特征在于，所述码本的数量与所述预设向量维度相同，所述待量化特征与所述码本一一对应。8.根据权利要求1所述的方法，其特征在于，所述特征编码方法是基于编码网络实现的，所述编码网络包括变换模块、量化模块、编码模块；所述变换模块用于基于预设向量维度，将所述待编码特征变换成多个所述待量化特
征；所述量化模块用于利用预先训练的至少两个所述码本，分别对各个所述待量化特征进行量化，得到各个所述待量化特征各自对应的量化特征；所述编码模块用于对各个所述量化特征组成的目标量化向量进行编码，...

【专利技术属性】
技术研发人员：张雪，江东，林聚财，粘春湄，施晓迪，殷俊，
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：