[发明专利]生成模型、提取特征的方法、装置、设备、介质及产品

权利要求书

1.一种生成图像特征提取模型的方法，包括：

获取样本图像集；

对所述样本图像集中的样本图像进行初始图像特征提取，以得到初始图像特征；

从所述初始图像特征中提取全局特征以及局部特征；

确定第一特征在第二特征上的非投影分量，所述第一特征为所述全局特征，所述第二特征为所述局部特征，或所述第一特征为所述局部特征，所述第二特征为所述全局特征；

将所述非投影分量和所述第二特征进行融合，得到所述样本图像的目标图像特征；

对所述样本图像集中样本图像对应的目标图像特征进行训练，生成图像特征提取模型。

2.根据权利要求1所述的方法，其中，所述从所述初始图像特征中提取局部特征，包括：

利用多个不同尺度的空洞卷积，分别从所述初始图像特征中提取对应所述不同尺度的局部特征；

对所述不同尺度的局部特征进行池化处理；

将池化处理得到的多个不同尺度的局部特征进行卷积，得到所述初始图像特征的局部特征。

3.根据权利要求1所述的方法，其中，所述从所述初始图像特征中提取全局特征，包括：

对所述初始图像特征进行卷积和下采样，以从所述初始图像特征中提取全局特征。

4.根据权利要求1所述的方法，其中，所述对所述样本图像集中的样本图像进行初始图像特征提取，以得到初始图像特征，包括：

确定预训练模型，并从所述预训练模型中提取中间层神经网络，作为提取初始图像特征的初始神经网络；

将所述样本图像集中的样本图像输入所述初始神经网络中，得到初始图像特征。

5.根据权利要求1-4中任意一项所述的方法，其中，所述确定第一特征在第二特征上的非投影分量，包括：

基于第一特征和第二特征的比值，确定所述第一特征在所述第二特征上的投影分量；

基于所述第一特征和所述投影分量的差值，确定所述第一特征在所述第二特征上的非投影分量。

6.根据权利要求1-4中任意一项所述的方法，其中，所述将所述非投影分量和所述第二特征进行融合，得到所述样本图像的目标图像特征，包括：

将所述非投影分量和所述第二特征进行拼接；

对拼接后的特征进行池化处理，得到所述样本图像的目标图像特征。

7.根据权利要求1-4中任意一项所述的方法，其中，所述对所述样本图像集中样本图像对应的目标图像特征进行训练，生成图像特征提取模型，包括：

为所述样本图像集中样本图像对应的每类标注类别，分别设置多个聚类中心；

基于所有的聚类中心，对样本图像对应的目标图像特征进行分类训练，以确定所述目标图像特征所属的预测类别；

直到样本图像对应的标注类别与预测类别之间满足收敛条件，生成图像特征提取模型。

8.一种提取图像特征的方法，包括：

获取待进行图像特征提取的图像；

将所述图像输入至如上述1-7任一项所述的方法生成的图像特征提取模型之中，得到所述图像特征提取模型输出的图像特征。

9.一种生成图像特征提取模型的装置，包括：

获取样本单元，用于获取样本图像集；

第一提取单元，用于对所述样本图像集中的样本图像进行初始图像特征提取，以得到初始图像特征；

第二提取单元，用于从所述初始图像特征中提取全局特征以及局部特征；

融合单元，用于确定第一特征在第二特征上的非投影分量，所述第一特征为所述全局特征，所述第二特征为所述局部特征，或所述第一特征为所述局部特征，所述第二特征为所述全局特征；还用于将所述非投影分量和所述第二特征进行融合，得到所述样本图像的目标图像特征；

训练单元，用于对所述样本图像集中样本图像对应的目标图像特征进行训练，生成图像特征提取模型。