[发明专利]特征重排方法和装置、存储介质及电子设备

说明书

本发明公开了一种特征重排方法和装置、存储介质及电子设备。其中，该方法包括：确定第一样本集合的邻接矩阵，其中，第一样本集合包含多个特征元素以及特征元素对应的样本；若根据邻接矩阵，确定第一样本集合中存在具有连接关系的第一特征元素和第二特征元素，则确定第一特征元素与第二特征元素的相似度，其中，连接关系用于指示第一特征元素对应的样本与第二特征元素对应的样本存在相同的目标样本；根据相似度对第一样本集合中的特征元素进行重排，解决了现有技术中对于以图搜图检索结果的实现方式复杂，检索结果存在干扰，有效性低的技术问题。

技术领域

本发明涉及计算机视觉，视频图像处理技术领域，具体而言，涉及一种特征重排方法和装置、存储介质及电子设备。

背景技术

随着信息技术的发展以及社会进步，每时每刻均有大量的视频图像信息被记录下来，但是这些巨量的信息的整理查找却是一个棘手的问题，以图搜图技术能够很大程度缓解这一痛点问题。以图搜图主要通过提取图像或者视频的特征，将提取到的特征与特征底库进行比对，来获取相似的目标，达到图像视频检索的目的。在互联网搜索引擎，公共安全等领域有着广泛的运用前景。

相关技术中，在对行人进行重识别时，通过设计一大一小两个网络，同时训练，并在训练过程中让小网络逼近大网络的效果，提升小网络的性能，但是由于需要设计两个不同的网络，利用大网络的更强表征能力来提升小网络效果，小网络在学习标签信息同时需要逼近大网络的特征，增加计算量同时也会带来训练不稳定，对网络的设计有较大的要求。

此外，对于图像的搜索方法，相关技术使用神经网络同时提取高层与底层特征进行融合后进一步降低图像特征维度，将降维后的特征作为图像特征进行检索，在不明显增加检索时长下提升检索效果，但是将高层语义特征与底层特征相融合，底层特征容易受到环境背景、光照等因素干扰，将底层特征与高层特征融合在大规模数据集上会引入不确定性，干扰主体目标的检索有效率性。

进一步的，相关技术中还提出使用对抗网络生成一组不同姿势的图像，将生成图像与原图在底层进行融合后送入特征提取网络，提升特征的表征能力，提升行人重识别的效果。但由于使用对抗生成网络产生伪数据，并利用伪数据信息来增强特征，该方案使用的生成伪数据通常会具有伪纹理，会影响提取特征的有效性，最终干扰检索的有效性。

针对上述的问题，现有技术中对于以图搜图检索结果的实现方式复杂，检索结果存在干扰，有效性低等问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种特征重排方法和装置、存储介质及电子设备，以至少解决现有技术中对于以图搜图检索结果的实现方式复杂，检索结果存在干扰，有效性低的技术问题。

根据本发明实施例的一个方面，提供了一种特征重排方法，包括：确定第一样本集合的邻接矩阵，其中，第一样本集合包含多个特征元素以及特征元素对应的样本；若根据邻接矩阵，确定第一样本集合中存在具有连接关系的第一特征元素和第二特征元素，则确定第一特征元素与第二特征元素的相似度，其中，连接关系用于指示第一特征元素对应的样本与第二特征元素对应的样本存在相同的目标样本；根据相似度对第一样本集合中的特征元素进行重排。

可选地，确定第一样本集合的邻接矩阵之前，上述方法还包括：将待检索查询的第二样本集合输入到第一目标神经网络中进行特征提取，得到第二样本集合的第一特征；将第一特征与数据库中的预设第二特征进行比对，得到存在相似的第三特征的第一集合，其中，第三特征用于指示相似度符合预设阈值的存在于预设第二特征中的第一特征；对第一集合中的每一个特征元素在待检索查询的第二样本集合中进行关联确定，确定出每一个特征元素对应的目标数量的样本，以得到第二集合；将第一集合与第二集合进行合并，得到第一样本集合。