[发明专利]特征更新方法及装置、电子设备和存储介质

说明书

本公开涉及一种特征更新方法及装置、电子设备和存储介质，所述方法包括：将特征库中预存的原始特征输入至转化网络进行特征转化，得到近似特征；利用所述近似特征替换原始特征，以更新所述特征库。本公开实施例可利用所述近似特征替换原始特征，以更新所述特征库，进而在更新特征库的过程中，在牺牲少量精度的前提下提升了特征库的更新速度，同时利用到了原始特征，合理利用资源。

技术领域

本公开涉及人工智能技术领域，尤其涉及一种特征更新方法及装置、电子设备和存储介质。

背景技术

随着人工智能技术的普及和推广，基于特征进行识别和检索的技术已经逐渐应用于各行各业。例如，人脸识别技术已经广泛应用在安防以及泛安防相关领域，应用场景主要包含人脸布控、静态库检索、路人库轨迹搜索等。

在一些应用场景中，所使用的神经网络模型需要持续不断的迭代，当神经网络模型达到一个更好的性能的时候，就需要对系统进行模型上的更新了，同时，基础特征库中的特征也需要同步更新，以使该神经网络的处理结果更为准确。

发明内容

本公开提出了一种特征更新技术方案。

根据本公开的一方面，提供了一种特征更新方法，包括：将特征库中预存的原始特征输入至转化网络进行特征转化，得到近似特征；利用所述近似特征替换原始特征，以更新所述特征库。

在一种可能的实现方式中，所述利用所述近似特征替换所述原始特征，以更新所述特征库，包括：根据所述近似特征确定所述近似特征所属的待处理图像；将近似特征所属的待处理图像输入已训练的第一特征提取网络进行特征提取，得到所述待处理图像的迭代特征；利用所述迭代特征替换所述近似特征，以更新所述特征库。

在一种可能的实现方式中，所述将近似特征所属的待处理图像输入已训练的第一特征提取网络进行特征提取，得到所述待处理图像的迭代特征，包括：在用于执行所述特征更新方法的系统处于空闲状态的情况下，将近似特征所属的待处理图像输入已训练的第一特征提取网络进行特征提取，得到所述待处理图像的迭代特征。

在一种可能的实现方式中，所述转化网络包括反卷积子网络和第一卷积子网络，其中，将特征库中预存的原始特征输入至转化网络进行特征转化，得到近似特征，包括：将所述特征库中预存的原始特征输入所述反卷积子网络进行特征还原，得到中间特征；将所述中间特征输入所述第一卷积子网络进行特征提取，得到所述近似特征。

在一种可能的实现方式中，所述转化网络包括反卷积子网络和第二卷积子网络，其中，将特征库中预存的原始特征输入至转化网络进行特征转化，得到近似特征，包括：将所述特征库中预存的原始特征输入所述反卷积子网络进行特征还原，得到中间特征；融合所述原始特征所属的待处理图像和中间特征，得到融合特征；将所述融合特征输入所述第二卷积子网络进行特征提取，得到所述近似特征。

在一种可能的实现方式中，所述方法还包括：根据多个待处理图像的原始特征和迭代特征，训练所述转化网络。

在一种可能的实现方式中，获取待处理图像；确定所述特征库中是否包括所述待处理图像的原始特征；确定所述特征库中包括所述待处理图像的原始特征的情况下，将所述特征库中预存的原始特征输入至转化网络进行特征转化，得到近似特征。

在一种可能的实现方式中，确定所述特征库中不存在所述待处理图像的原始特征的情况下，将所述待处理图像输入至第一特征提取网络，得到所述待处理图像的迭代特征；利用所述迭代特征，以更新所述特征库。

根据本公开的另一方面，提供了一种特征更新装置，包括：转化模块，用于将特征库中预存的原始特征输入至转化网络进行特征转化，得到近似特征；更新模块，用于利用所述近似特征替换原始特征，以更新所述特征库。