[发明专利]生成模型、提取特征的方法、装置、设备、介质及产品

说明书

本公开提供了一种生成模型、提取特征的方法、装置、设备、介质及产品，涉及图像处理技术领域，尤其涉及计算机视觉和深度学习技术领域。具体实现方案为：获取样本图像集；对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；将非投影分量和第二特征进行融合，得到样本图像的目标图像特征；对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。利用图像特征提取模型提取到的兼具全局特征和局部特征，以确保图像匹配召回率的情况下提高精度。

技术领域

本公开涉及图像处理技术领域，尤其涉及计算机视觉和深度学习技术领域。

背景技术

图像匹配是兴趣点(Point of Interest，POI)自动化生产中的重要环节。图像特征能否准确描述招牌图像是图像匹配的关键。招牌图像的图像特征可以从两个方面进行描述，分别为全局特征和局部特征。全局特征是指图像的整体属性，常见的全局特征包括颜色特征、纹理特征和形状特征。局部特征是从图像局部区域中抽取的特征，包括边缘、角点、线、曲线和特别属性的区域等。从招牌的角度来理解，全局特征是指招牌的颜色，字体等。而局部特征是指招牌中单个文字的差别。

发明内容

本公开提供了一种用于生成模型、提取特征的方法、装置、设备、介质及产品。

根据本公开的一方面，提供了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。

根据本公开的另一方面，提供了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；将所述图像输入至上述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。

根据本公开的又一方面，提供了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。

根据本公开的又一方面，提供了一种提取图像特征的装置，包括：获取图像单元，用于获取待进行图像特征提取的图像；提取单元，用于将所述图像输入至如上述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。

根据本公开的又一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的方法。

根据本公开的又一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述所述的方法。

根据本公开的又一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述所述的方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明