【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及一种图像匹配方法、装置、电子设备及存储介质。
技术介绍
1、随着大数据时代的到来，大量的网络图像对于图像的理解和检索带来了巨大的挑战。图像匹配基本上就是找到两幅或多幅图像之间的对应关系，这些图像可能是从不同视角拍摄的同一场景，或者是由固定摄像机拍摄的移动场景，或者两者兼而有之。构造图像对应关系是视觉中几何恢复和运动恢复的基本问题，但是现有的图像匹配效率较低。
技术实现思路
1、本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术提出一种图像匹配方法、装置、电子设备及存储介质，能够高效进行图像匹配。
2、一方面，本专利技术实施例提供了一种图像匹配方法，包括：
3、获取图像匹配训练集；并获取初始图像匹配矩阵；图像匹配训练集包括若干配对的匹配图像和待匹配图像；
4、基于多层级的深度学习网络，利用图像匹配训练集对初始图像匹配矩阵进行梯度下降的迭代训练；梯度下降的步长与深度学习网络的层级对应；
5...
【技术保护点】
1.一种图像匹配方法，其特征在于，包括：
2.根据权利要求1所述的图像匹配方法，其特征在于，所述获取图像匹配训练集，包括：
3.根据权利要求2所述的图像匹配方法，其特征在于，所述对所述原图像进行数据扩增处理，整理得到所述图像匹配训练集，包括：
4.根据权利要求1所述的图像匹配方法，其特征在于，所述基于多层级的深度学习网络，利用所述图像匹配训练集对所述初始图像匹配矩阵进行梯度下降的迭代训练，包括：
5.根据权利要求4所述的图像匹配方法，其特征在于，在各层级的所述深度学习网络中，所述通过迭代阈值收缩算法对所述初始图像匹配矩阵...
【技术特征摘要】
1.一种图像匹配方法，其特征在于，包括：
2.根据权利要求1所述的图像匹配方法，其特征在于，所述获取图像匹配训练集，包括：
3.根据权利要求2所述的图像匹配方法，其特征在于，所述对所述原图像进行数据扩增处理，整理得到所述图像匹配训练集，包括：
4.根据权利要求1所述的图像匹配方法，其特征在于，所述基于多层级的深度学习网络，利用所述图像匹配训练集对所述初始图像匹配矩阵进行梯度下降的迭代训练，包括：
5.根据权利要求4所述的图像匹配方法，其特征在于，在各层级的所述深度学习网络中，所述通过迭代...
【专利技术属性】
技术研发人员：许文华，何志超，孙为国，徐秋，
申请(专利权)人：天翼数字生活科技有限公司，
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。