【技术实现步骤摘要】
特征图处理方法、装置、计算机可读存储介质及电子设备
[0001]本公开涉及计算机
，尤其是一种特征图处理方法、装置、计算机可读存储介质及电子设备。
技术介绍
[0002]在基于深度学习的计算机视觉任务中，如图像分类、目标检测、图像语义分割、度量学习等场景，都需要骨干网络作为特征的提取器。骨干网络通常是由级联的多个子网络组成的，子网络对输入其中的特征图进行卷积处理，得到相应尺寸、相应通道数的特征图，并将得到的特征图输入下一级子网络，最终由最后一级子网络输出在图像分类、目标检测等任务中使用的特征图。
[0003]现有的骨干网络的各级子网络，通常只处理上一级子网络输出的特征图，没有融合更多尺度的特征图，图像识别的精度有待提高。
技术实现思路
[0004]为了解决上述技术问题，提出了本公开。本公开的实施例提供了一种特征图处理方法、装置、计算机可读存储介质及电子设备。
[0005]本公开的实施例提供了一种特征图处理方法，该方法包括：从预设的神经网络模型包括的级联的至少两个子网络中，基于至少两个子网...
【技术保护点】
【技术特征摘要】
1.一种特征图处理方法，包括：从预设的神经网络模型包括的级联的至少两个子网络中，基于所述至少两个子网络的处理特征图的顺序，确定当前处理特征图的目标子网络；基于所述目标子网络，获取所述目标子网络对应的待处理特征图；响应于确定所述目标子网络不是所述至少两个子网络中的第一级子网络，获取由所述目标子网络的至少一个上级子网络输出的至少一个第一下采样特征图；利用所述目标子网络，对所述待处理特征图和所述至少一个第一下采样特征图进行特征融合，得到融合特征图；利用所述目标子网络，对所述融合特征图进行卷积处理，得到所述目标子网络对应的目标特征图；响应于确定所述目标子网络为所述至少两个子网络中的最后一级子网络，输出所述目标特征图。2.根据权利要求1所述的方法，其中，在所述输出所述目标特征图之后，所述方法还包括：利用所述神经网络模型包括的识别网络，对所述目标特征图或所述至少两个子网络各自输出的处理后特征图进行预设方式的识别处理，生成并输出针对所述目标图像的识别结果。3.根据权利要求1所述的方法，其中，所述至少一个第一下采样特征图的尺寸为与所述目标子网络的特征图缩放比例对应的目标尺寸；所述利用所述目标子网络，对所述待处理特征图和所述至少一个第一下采样特征图进行特征融合，得到融合特征图，包括：利用所述目标子网络的第一卷积层，对所述待处理特征图进行卷积处理，得到目标尺寸的缩放后特征图；利用所述目标子网络的融合层，将所述缩放后特征图和所述至少一个第一下采样特征图进行特征融合，得到目标尺寸的所述融合特征图。4.根据权利要求3所述的方法，其中，所述利用所述目标子网络，对所述融合特征图进行卷积处理，得到所述目标子网络对应的目标特征图，包括：利用所述目标子网络的第二卷积层，对所述融合特征图进行卷积处理，得到目标尺寸的目标特征图。5.根据权利要求1所述的方法，其中，所述至少两个子网络中除最后一级子网络之外的其他每个子网络，分别包括下采样层；所述方法还包括：响应于确定所述目标子网络不是所述至少两个子网络中的最后一级子网络，利用所述目标子网络的下采样层，按照预设的至少一个下采样比例，对所述目标特征图进行下采样处理，得到所述目标子网络输出的至少一个第二下采样特征图，其中，所述至少一个下采样比例中的每个下采样比例分别对应于所述目标子网络的一个下级子网络；从所述目标子网络的至少一个下级子网络中，确定所述至少一个第二下采样特征图中的每个第二下采样特征图分别对应的目标下级子网络，其中，所述至少一个第二下采样特征图中的每个第二下采样特征图的尺寸，与对应的目标下级子网络的特征图缩放比例对应
的目标尺寸相匹配；将所述至少一个第二下采样特征图中的每个第二下采样特征图确定为各自对应的目标下级子网络进行特征融合所使用的第一下采样特征图。6.根据权利要求2所述的方法，其中，所述识别网络包括用于融合所述至少两个子网络各自输出的处理后特征图的第一识别子网络和用于进行目标识别的第二识别子网络，或者，所述识别网络包括所述第二识别子网络，且不包括所...
【专利技术属性】
技术研发人员：李婧，
申请(专利权)人：北京地平线信息技术有限公司，
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。