[发明专利]一种图像表示学习方法及系统

权利要求书

1.一种图像表示学习方法，其特征在于，包括：

增强图像获取步骤：获取原始图像的增强图像；

特征映射获取步骤：通过编码器获取所述增强图像的特征映射；

预测步骤：使用框回归网络预测所述增强图像的边框，并获取预测边框；

计算步骤：计算真实边框与所述预测边框的最终损失，根据所述最终损失更新所述框回归网络及所述编码器。

2.根据权利要求1所述的图像表示学习方法，其特征在于，所述增强图像获取步骤包括，对于每个所述原始图像，使用数据增强的方法，获取所述原始图像的至少两个所述增强图像。

3.根据权利要求1所述的图像表示学习方法，其特征在于，所述特征映射获取步骤包括，使用深度学习特征，提取主干网络和多层感知器共同组成的所述编码器，并根据所述编码器获取所述特征映射。

4.根据权利要求1所述的图像表示学习方法，其特征在于，所述预测步骤包括，使用所述框回归网络预测每一个所述增强图像的所述边框，并获取所述预测边框。

5.根据权利要求4所述的图像表示学习方法，其特征在于，所述计算步骤包括，使用交并比损失分别计算所述原始图像的所述真实边框与每一个所述增强图像的所述预测边框的所述损失，将至少两个所述损失相加后获得最终损失，根据所述最终损失反向传播更新所述编码器与所述框回归网络。

6.一种图像表示学习系统，其特征在于，适用于上述权利要求1-5所述的图像表示学习方法，所述图像表示学习系统包括：

增强图像获取单元：获取原始图像的增强图像；

特征映射获取单元：通过编码器获取所述增强图像的特征映射；

预测单元：使用框回归网络预测所述增强图像的边框，获取预测边框；

计算单元：计算真实边框与所述预测边框的最终损失，根据所述最终损失更新所述框回归网络及所述编码器。

7.根据权利要求6所述的图像表示学习系统，其特征在于，对于每个所述原始图像，所述增强图像获取单元使用数据增强的方法，获取所述原始图像的至少两个所述增强图像。

8.根据权利要求7所述的图像表示学习系统，其特征在于，所述特征映射获取单元使用深度学习特征，提取主干网络和多层感知器共同组成的所述编码器，并根据所述编码器获取所述特征映射。

9.根据权利要求8所述的图像表示学习系统，其特征在于，所述预测单元使用所述框回归网络预测每一个所述增强图像的所述边框后，并获取所述预测边框。

10.根据权利要求9所述的图像表示学习系统，其特征在于，所述计算单元使用交并比损失分别计算所述原始图像的所述真实边框与每一个所述增强图像的所述预测边框的所述损失，将至少两个所述损失相加后获得最终损失，根据所述最终损失反向传播更新所述编码器与所述框回归网络。