[发明专利]对象特征提取方法、装置、存储介质和电子设备

说明书

本发明实施例提供一种对象特征提取方法、装置、存储介质和电子设备。其中，对象特征提取方法包括：从待检图像获取目标对象的多个尺度的特征数据；根据各个尺度的特征数据生成各个尺度各自的注意力热度数据，所述注意力热度数据表征所述目标对象各个关注部位区域的关注热度；根据各个尺度的特征数据和所述各个尺度的注意力热度数据，获取所述目标对象的融合特征数据。由此，获得融合了细节和整体语义的特征数据和注意力热度数据的融合特征数据，有助于后续基于该融合特征数据准确地完成图像处理任务。

技术领域

本发明实施例涉及人工智能技术，尤其涉及一种对象特征提取方法、 装置、计算机可读存储介质和电子设备。

背景技术

对于例如用于对象属性检测任务、对象识别任务等的解决方案中， 通常直接从图像提取全局特征，根据提取的全局特征来完成相应的任务。 由于全局特征表征图像的高层语义特征，可能丢失图像中对完成前述任 务非常有用的细节信息，如衣服条纹、是否戴眼镜等，因此影响了完成 前述任务的准确性。

发明内容

本发明实施例的目的在于，提供一种对象特征提取技术。

根据本发明实施例的第一方面，提供一种对象特征提取方法，包括： 从待检图像获取目标对象的多个尺度的特征数据；根据各个尺度的特征 数据生成各个尺度各自的注意力热度数据，所述注意力热度数据表征所 述目标对象各个关注部位区域的关注热度；根据各个尺度的特征数据和 所述各个尺度的注意力热度数据，获取所述目标对象的融合特征数据。

可选地，任一所述尺度的特征数据包括所述尺度的与多个特征通道 对应的第一特征图；所述根据各个尺度的特征数据生成各个尺度各自的 注意力热度数据，包括：对任一所述尺度的与多个特征通道对应的第一 特征图，通过对所述多个第一特征图进行降维卷积和非线性处理，获取 所述尺度的注意力热度图。

可选地，任一所述尺度的注意力热度图包括所述尺度的一个或多个 注意力热度图，在所述注意力热度图中，所述关注部位区域的关注响应 程度值高于其他部位区域的关注响应程度值。

可选地，所述多个尺度为N个尺度，N为大于1的整数；所述根据各个尺度的特征数据和所述各个尺度的注意力热度数据，获取所述目标对象的融合特征数据，包括：针对所述N个尺度中的每个尺度的第一特征图，根据每个所述尺度的注意力热度图分别进行强化，获得N×N个第二特征图；将所述N个尺度的第一特征图和所述N×N个第二特征图进行融合，获得所述目标对象的融合特征数据。

可选地，所述根据各个尺度的特征数据生成各个尺度各自的注意力 热度数据，包括：通过第一神经网络，根据各个尺度的特征数据生成各 个尺度各自的注意力热度数据；所述根据各个尺度的特征数据和所述各 个尺度的注意力热度数据，获取所述目标对象的融合特征数据，包括： 通过第一神经网络，根据各个尺度的特征数据和所述各个尺度的注意力 热度数据，获取所述目标对象的融合特征数据。

可选地，所述第一神经网络包括与所述尺寸的个数对应的尺度特征 强化子网；所述对任一所述尺度的与多个特征通道对应的第一特征图， 通过对所述多个第一特征图进行降维卷积和非线性处理，获取所述尺度 的注意力热度图，包括：通过任一所述尺度的尺度特征强化子网，对所 述尺度的与多个特征通道对应的第一特征图，通过对所述多个第一特征 图进行降维卷积和非线性处理，获取所述尺度的注意力热度图；所述针 对所述N个尺度中的每个尺度的第一特征图，根据每个所述尺度的注意 力热度图分别进行强化，获得N×N个第二特征图，包括：通过各个尺 度的尺度特征强化子网，针对所述N个尺度中的每个尺度的第一特征图， 根据每个所述尺度的注意力热度图分别进行强化，获得N×N个第二特征图。

可选地，所述第一神经网络还包括具有全局平均池化层和全连接层 的特征融合子网；所述将所述N个尺度的第一特征图和所述N×N个第 二特征图进行融合，获得所述目标对象的融合特征数据，包括：通过所 述特征融合子网将所述N个尺度的第一特征图和所述N×N个第二特征 图进行融合，获得所述目标对象的融合特征数据。