【技术实现步骤摘要】
本专利技术属于智能驾驶，具体涉及一种混合图像特征提取方法及装置。
技术介绍
1、近年来，随着算力的增强和深度学习的持续发展，计算机视觉技术也取得了长足的进步。在几乎所有的计算机视觉任务中，如识别分类、目标检测、图像分割、表示学习、图像与视频的生成、视觉与文字结合等，其中都离不开一个必要的过程：特征提取。在常见的特征提取方法中，大多都基于单一方式来进行特征提取，比如在深度卷积神经网络中，模型仅依赖卷积层来提取图像的深度卷积特征，在深度多层感知机网络中，模型仅依赖全连接层来提取图像的多层感知机mlp(multilayer perceptron)特征。
2、但是，上述图像特征提取方法往往只关注特定领域特定任务的效果，提取到的图像特征缺乏多样性，如传统图像特征提取算子方向梯度直方图hog(histogram oforiented gradient)仅关注图像的方向梯度直方图，深度卷积神经网络中仅使用卷积模块提取图像的卷积特征，这种方式提取到的图像特征大多只适用于当前任务，对本任务以外的其他任务类型适应性较差，无法迁移使用。另外，单一...
【技术保护点】
1.一种混合图像特征提取方法，其特征在于，包括：
2.根据权利要求1所述的混合图像特征提取方法，其特征在于，所述获取目标图像的非监督特征，并将获取的目标图像的非监督特征在通道维度进行拼接，得到非监督特征图，具体包括：
3.根据权利要求2所述的混合图像特征提取方法，其特征在于，获取目标图像的卷积特征具体包括：选取深度卷积神经网络，将所述目标图像输入所述深度卷积神经网络，在前向传播过程中通过多个卷积模块提取所述目标图像的卷积特征，得到卷积特征图；
4.根据权利要求3所述的混合图像特征提取方法，其特征在于，所述初始混合图像特征图、非监督特...
【技术特征摘要】
1.一种混合图像特征提取方法，其特征在于，包括：
2.根据权利要求1所述的混合图像特征提取方法，其特征在于，所述获取目标图像的非监督特征，并将获取的目标图像的非监督特征在通道维度进行拼接，得到非监督特征图，具体包括：
3.根据权利要求2所述的混合图像特征提取方法，其特征在于，获取目标图像的卷积特征具体包括：选取深度卷积神经网络，将所述目标图像输入所述深度卷积神经网络，在前向传播过程中通过多个卷积模块提取所述目标图像的卷积特征，得到卷积特征图；
4.根据权利要求3所述的混合图像特征提取方法，其特征在于，所述初始混合图像特征图、非监督特征图、卷积特征图、多层感知机特征图和自注意力特征图的高均相等，宽也均相等。
5.根据权利要求1所述的混合图像特征提取方法，其特征在于，所述使用注意力模型对所述初始混合图像特征图进行聚合，得到最终的混合图像特征图，具体包括：
...
【专利技术属性】
技术研发人员：张舒，牟永强，
申请(专利权)人：广州汽车集团股份有限公司，
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。