【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。
[00 ...
【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:
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。