特征处理、特征检索方法、电子设备及计算机存储介质技术

本申请提出一种基于特征检索的特征处理方法、特征检索方法、电子设备及计算机存储介质，包括：获取目标特征；根据所述目标特征的每一特征维度的特征样本分布，获取特征样本排序结果，以及所述排序结果的分段点值、特征平均值；获取特征样本与分段点值的第一距离和与特征平均值的第二距离；获取第二距离小于第一距离的特征样本占比；将特征样本占比大于预设阈值的特征维度的所有特征样本按照三值化量化；将特征样本占比小于等于预设阈值的特征维度的所有特征样本按照二值化量化；根据三值化量化结果和/或二值化量化结果对所述目标特征在特征底库中进行检索。通过上述方式，降低特征检索误差。

【技术实现步骤摘要】

本申请涉及人工智能，特别是涉及一种特征处理、特征检索方法、电子设备及计算机存储介质。

技术介绍

1、大规模特征检索，从大量特征库中找到topk相近(相似度最高或距离最小)的目标。为了加速该检索过程，提出了特征量化、降维、分桶等技术思路。其中，将d维原始特征，降为n维(一般为d或d的整数倍)的二值化哈希特征，可带来非常可观的内存节约和速度提升，使用广泛。二值化哈希特征，可通过位运算获得汉明距离，计算效率极高；同时每个特征现在只占用1bit，相比原本可能fp32浮点数为4byte，下降了32倍。二值化特征，将每个维度的浮点数，映射为1或-1，也导致了精度明显下降。对于生物特征检索等精度要求高的任务，基本不可用。行业也存在一些，比如采用多个二值化模板，生成多个d维二值化特征来提高精度等思路。

2、由于二值化特征的维度有限，所能包含的信息量实在有限，精度损失往往较明显。多层筛查思路，会导致需要多次检索才能完成业务需求，这些检索还是串行依赖的，会明显增加整体耗时，往往实用风险较大。

技术实现思路p>

1、本申请本文档来自技高网...

【技术保护点】

1.一种基于特征检索的特征处理方法，其特征在于，所述特征处理方法包括：

2.根据权利要求1所述的特征处理方法，其特征在于，

3.根据权利要求2所述的特征处理方法，其特征在于，

4.根据权利要求1所述的特征处理方法，其特征在于，

5.一种特征检索方法，其特征在于，所述特征检索方法包括：

6.根据权利要求5所述的特征检索方法，其特征在于，

7.根据权利要求6所述的特征检索方法，其特征在于，

8.根据权利要求7所述的特征检索方法，其特征在于，

9.一种电子设备，其特征在于，所述电子设备包括处理器和存...

【技术特征摘要】

1.一种基于特征检索的特征处理方法，其特征在于，所述特征处理方法包括：

2.根据权利要求1所述的特征处理方法，其特征在于，

3.根据权利要求2所述的特征处理方法，其特征在于，

4.根据权利要求1所述的特征处理方法，其特征在于，

5.一种特征检索方法，其特征在于，所述特征检索方法包括：

6.根据权利要求5所述的特征检索方法，其特征在于，

7.根据权利要求6所述的特征检索方法，其特征在于，

8.根...

【专利技术属性】
技术研发人员：邸德宁，华逸伦，杨凯航，郝敬松，朱树磊，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：