[发明专利]特征增强方法、装置、数据处理方法和电子装置

权利要求书

1.一种特征增强方法，用于图像识别，其特征在于，包括：

获取第一特征图和对所述第一特征图进行预处理后得到的与所述第一特征图相同尺寸的第二特征图；其中，所述第一特征图为对目标图像进行特征提取得到的特征图；

利用DCA算法对所述第一特征图进行处理，得到第一转换特征图，并利用所述DCA算法对所述第二特征图进行处理，得到第二转换特征图；

利用SE-Net算法对所述第一转换特征图进行处理，并将处理结果与所述第二转换特征图进行融合，并基于融合结果得到增强特征图。

2.根据权利要求1所述的特征增强方法，其特征在于，所述获取第一特征图和对所述第一特征图进行预处理后得到的与所述第一特征图相同尺寸的第二特征图，包括：

获取第一特征图；

对所述第一特征图进行池化和上采样处理，得到与所述第一特征图相同尺寸的第二特征图。

3.根据权利要求1所述的特征增强方法，其特征在于，所述基于融合结果得到增强特征图，包括：

利用预设的PCA算法对所述融合结果进行降维，得到所述增强特征图。

4.根据权利要求1至3中任一项所述的特征增强方法，其特征在于，所述DCA算法包含行压缩处理和列压缩处理。

5.一种数据处理方法，其特征在于，包括：

获取目标数据；其中，所述目标数据为目标对象的图像数据；

利用训练完备的基于SE-Net和DCA的网络结构中的主成分提取算法，对所述目标数据进行处理，得到第一特征图；

基于所述网络结构，按照权利要求1至4中任一项所述的特征增强方法，对所述第一特征图进行增强处理，得到增强特征图；

利用所述网络结构对所述增强特征图进行处理，得到所述目标对象的识别结果。

6.根据权利要求5所述的数据处理方法，其特征在于，所述利用训练完备的基于SE-Net和DCA的网络结构中的主成分提取算法，对所述目标数据进行处理，得到第一特征图，包括：

利用训练完备的基于SE-Net和DCA的网络结构中的二维主成分提取算法，对所述目标数据进行行列压缩处理，得到所述目标数据的主成分数据；

对所述主成分数据进行卷积处理，得到所述第一特征图。

7.根据权利要求5所述的数据处理方法，其特征在于，在利用训练完备的基于SE-Net和DCA的网络结构中的主成分提取算法，对所述目标数据进行处理，得到第一特征图之前，所述方法还包括：

获取多姿态训练数据；

将所述多姿态训练数据输入预设的基于SE-Net和DCA的网络结构进行训练，得到所述训练完备的基于SE-Net和DCA的网络结构。

8.根据权利要求7所述的数据处理方法，其特征在于，所述获取多姿态训练数据，包括：

采集原始训练数据；

基于预设的三维多角度投影算法，对所述原始训练数据进行处理，得到多姿态训练数据。

9.根据权利要求8所述的数据处理方法，其特征在于，所述基于预设的三维多角度投影算法，对所述原始训练数据进行处理，得到多姿态训练数据，包括：

利用预设的目标检测算法，去除所述原始训练数据中的图像背景信息，得到第一训练数据；

利用预设的三维重建算法，对所述第一训练数据进行三维重建，得到三维模型；

利用预设的透视投影变换法对所述三维模型进行处理，得到所述多姿态训练数据。