[发明专利]用于提取特征的方法、装置、设备和存储介质

说明书

根据本公开的实施例，提供了提取特征的方法、装置、设备和存储介质。该方法包括：基于输入样本的第一样本特征和表征参考样本集的参考特征库，生成针对输入样本的融合特征，输入样本与参考样本集中的参考样本是相同类型的样本。该方法还包括：基于融合特征，将第一样本特征更新为输入样本的第二样本特征。该方法进一步包括：基于第二样本特征，确定与输入样本相关联的处理结果。以此方式，提升样本特征的表征能力，从而有利于提高处理结果的准确性。

技术领域

本公开的示例实施例总体涉及计算机领域，特别地涉及用于提取特征的方法、装置、设备和计算机可读存储介质。

背景技术

模拟生物(诸如人类)实际神经网络的人工神经网络通常被称为神经网络模型或简称为神经网络。神经网络模型在图像处理、自然语言处理等许多领域有着广泛而吸引人的前景。使用神经网络模型进行特征提取已经在很多现实领域得到了应用。神经网络模型可以将输入样本处理为特征，并根据得到的特征确定处理结果。所提取的特征对样本的表征能力影响着处理结果的准确性。

发明内容

在本公开的第一方面，提供了一种提取特征的方法。该方法包括：基于输入样本的第一样本特征和表征参考样本集的参考特征库，生成针对输入样本的融合特征，输入样本与参考样本集中的参考样本是相同类型的样本。该方法还包括：基于融合特征，将第一样本特征更新为输入样本的第二样本特征。该方法进一步包括：基于第二样本特征，确定与输入样本相关联的处理结果。

在本公开的第二方面，提供了一种用于提取特征的装置。该装置包括：融合特征生成模块，被配置为基于输入样本的第一样本特征和表征参考样本集的参考特征库，生成针对输入样本的融合特征，输入样本与参考样本集中的参考样本是相同类型的样本。该装置还包括：样本特征更新模块，被配置为基于融合特征，将第一样本特征更新为输入样本的第二样本特征。该装置进一步包括：处理结果生成模块，被配置为基于第二样本特征，确定与输入样本相关联的处理结果。

在本公开的第三方面，提供了一种电子设备。该设备包括至少一个处理单元；以及至少一个存储器，至少一个存储器被耦合到至少一个处理单元并且存储用于由至少一个处理单元执行的指令。指令在由至少一个处理单元执行时使设备执行第一方面的方法。

在本公开的第四方面，提供了一种计算机可读存储介质。该计算机可读存储介质上存储有计算机程序，计算机程序可由处理器执行以实现第一方面的方法。

应当理解，本发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键特征或重要特征，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描述而变得容易理解。

附图说明

结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：

图1示出了本公开的实施例能够在其中实现的示例环境的示意图；

图2示出了根据本公开的实施例的提取特征的示例方法的示意图；

图3示出了根据本公开的一些实施例的用于提取特征的示例架构；

图4示出了根据本公开的一些实施例的生成融合特征的示例过程；

图5示出了根据本公开的一些实施例的构建参考特征库的示例；

图6示出了根据本公开的一些实施例的用于提取特征的装置的框图；以及

图7示出了能够实施本公开的多个实施例的设备的框图。

具体实施方式

可以理解的是，在使用本公开各实施例公开的技术方案之前，均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。