[发明专利]图像局部特征提取、模型训练方法、设备及存储介质在审

专利信息
申请号: 201911357883.0 申请日: 2019-12-25
公开(公告)号: CN113033576A 公开(公告)日: 2021-06-25
发明(设计)人: 宋亚斐;李名杨;蔡岭 申请(专利权)人: 阿里巴巴集团控股有限公司
主分类号: G06K9/46 分类号: G06K9/46;G06K9/62
代理公司: 北京太合九思知识产权代理有限公司 11610 代理人: 张爱;刘戈
地址: 英属开曼群岛大开*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 局部 特征 提取 模型 训练 方法 设备 存储 介质
【说明书】:

本申请实施例提供一种图像局部特征提取、模型训练方法、设备及存储介质。在图像局部特征提取方法中,将待处理图像输入图像处理模型,图像处理模型包括特征检测器和特征描述器;其中,训练特征检测器的真值,根据训练样本上的特征描述符稳定性大于设定阈值的目标特征点获取;特征描述符稳定性,根据特征描述器输出的训练样本上的特征点的特征描述符计算得到。将目标特征点作为特检测器的真值对特征检测器进行训练,可优化特征检测器的特征检测性能,提升图像局部特征提取效果。

技术领域

本申请涉及图像处理技术领域,尤其涉及一种图像局部特征提取、模型训 练方法、设备及存储介质。

背景技术

图像局部特征提取算法,是多种图像处理算法或应用的关键基础算法之一, 该多种图像处理算法或应用可包括图像匹配、图像检索、图像拼接、基于图像 的定位以及基于图像的场景三维重建等。图像局部特征提取算法的优劣一定程 度上决定了图像处理算法的性能。

但是,现有技术提供的图像局部特征提取算法提取到的图像特征仍旧不理 想。因此,有待提出一种新的解决方案。

发明内容

本申请的多个方面提供一种图像局部特征提取、模型训练方法、设备及存 储介质,用以有利于有效地提升图像局部特征提取性能。

本申请实施例提供一种图像处理模型训练方法,包括:将第一图像输入 图像处理模型;所述图像处理模型包含特征检测器和特征描述器,所述第一 图像包括第一特征点;通过所述特征描述器,计算所述第一特征点的特征描 述符;根据所述第一特征点的特征描述符,计算所述第一特征点的特征描述 符稳定性;从所述第一特征点中,确定特征描述符稳定性大于设定阈值的特 征点,作为目标特征点;将所述目标特征点作为真值,对所述特征检测器进 行训练。

本申请实施例还提供一种图像处理模型训练方法,包括:将第一图像和 第二图像输入图像处理模型,所述第二图像根据所述第一图像变换得到;通 过所述图像处理模型中的特征检测器,检测所述第一图像上的第一特征点和 所述第二图像上的第二特征点;通过所述图像处理模型中的特征描述器,计 算所述第一特征点和第二特征点的特征描述符;根据所述第一特征点的特征 描述符和所述第二特征点的特征描述符之间的距离,对所述特征描述器进行 训练。

本申请实施例还提供一种图像局部特征提取方法,包括:将待处理图像 输入图像处理模型;所述图像处理模型包括特征检测器和特征描述器;通过 所述特征检测器检测所述待处理图像上的特征点,并通过所述特征描述器输 出所述特征点的特征描述符;其中,训练所述特征检测器的真值,根据训练 样本上的特征描述符稳定性大于设定阈值的特征点获取;所述特征描述符稳 定性,根据所述特征描述器输出的所述训练样本上的特征点的特征描述符计 算得到。

本申请实施例还提供一种图像处理模型训练方法,包括:将根据相同场 景得到的图像和雷达点云数据输入图像处理模型;所述图像处理模型包括特 征检测器;通过所述特征检测器,检测所述图像上的至少一个特征点;根据 所述雷达点云数据,从所述至少一个特征点中筛选出稳定性满足设定条件的 目标特征点;将所述目标特征点作为真值,对所述特征检测器进行训练。

本申请实施例还提供一种数据处理设备,包括:存储器和处理器;所述 存储器用于存储一条或多条计算机指令;所述处理器用于执行所述一条或多 条计算机指令以用于:执行本申请实施例提供的方法中的步骤。

本申请实施例还提供一种存储有计算机程序的计算机可读存储介质,计 算机程序被执行时能够实现本申请实施例提供的方法中的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于阿里巴巴集团控股有限公司,未经阿里巴巴集团控股有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911357883.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top