[发明专利]一种图像特征提取方法、装置、设备和存储介质

说明书

本申请公开了一种图像特征提取方法、装置、设备和存储介质，涉及深度学习技术领域。具体实现方案为：获取包含目标对象的单通道图像；采用特征提取网络，对所述单通道图像中的目标对象进行特征提取；其中，所述提取的特征包括所述目标对象的第一独有特征和第一通用特征，所述第一通用特征与包含所述目标对象的可见光图像中目标对象的第二通用特征相匹配，所述第二通用特征采用所述特征提取网络提取得到，且与所述第一通用特征的通道相同。本申请实施例通过拟合单通道图像的通用特征和可见光图像的通用特征，使得单通道图像的特征提取精度逼近可见光图像的特征提取精度。

技术领域

本申请涉及计算机技术，尤其涉及深度学习技术领域。

背景技术

随着成像技术的不断发展，出现了多种模态的图像，例如可见光图像、近红外图像和深度图像等。在处理图像的过程中，需要采用深度学习模型对图像进行特征提取，再基于提取的特征进行目标识别。

目前，由于近红外图像和深度图像的训练数据集较少，导致这些模态图像的模型训练较为困难，精度较低。而可见光图像较易获取，训练数据集较丰富，从而较易得到高精度的模型。目前，一般采用以下两种方法对近红外图像和深度图像进行特征提取，其一是先训练好基于可见光图像的特征提取模型，然后将该模型向其他模态迁移，从而采用迁移后的模型进行特征提取；其二是先把近红外图像和深度图像转化为可见光图像，然后采用基于可见光图像的模型进行特征提取。

上述第一种方法中，由于不同模态图像之间具有本质的差别，导致迁移后的网络的提取效果很局限，难以提高；第二种方法需要对图像进行模态转换，增加了耗时，难以在实际产品中落地。

发明内容

本申请实施例提供了一种图像特征提取方法、装置、设备和存储介质，以提高单通道图像的特征提取精度。

第一方面，本申请实施例提供了一种图像特征提取方法，包括：

获取包含目标对象的单通道图像；

采用特征提取网络，对单通道图像中的目标对象进行特征提取；

其中，提取的特征包括目标对象的第一独有特征和第一通用特征，第一通用特征与可见光图像中目标对象的第二通用特征相匹配，第二通用特征采用特征提取网络提取得到，且与第一通用特征的通道相同。

本申请实施例中，基于包含同一对象的单通道图像与可见光图像具有部分相同的特征，而且特征提取网络能够成功提取出目标对象的特征，具有较高的精度，则通过拟合单通道图像的通用特征和可见光图像的通用特征，使得单通道图像的特征提取精度逼近可见光图像的特征提取精度，从而提高单通道图像的特征提取精度。

可选的，在采用特征提取网络，对单通道图像进行特征提取之前，还包括：

获取训练样本集，训练样本集包括：包含目标对象的单通道图像样本和可见光图像样本；

获取待训练的特征提取网络和分类网络，以及切片网络；

根据单通道图像样本中目标对象的第三通用特征和可见光图像样本中目标对象的第四通用特征，构建第一目标函数；根据分类结果构建第二目标函数；

优化第一目标函数值和第二目标函数值，训练特征提取网络和分类网络；

其中，切片网络用于将特征提取网络提取的特征划分为独有特征和通用特征，分类网络用于对特征提取网络提取的通用特征和独有特征的整体进行分类，得到分类结果。

上述申请中的一种可选实施方式，通过优化第一目标函数值，高精度拟合单通道图像样本的通用特征和可见光图像样本的通用特征，提高特征提取网络的精度；通过优化分类网络的第二目标函数值，采用分类网络监督特征提取网络的提取精度，进一步提高了单通道图像的特征提取精度。

可选地，获取待训练的特征提取网络，包括：