[发明专利]多流特征距离融合系统与融合方法

说明书

本发明公开了一种多流特征距离融合系统，包括逐级连接的多流特征提取网络、贡献系数自适应生成模块与距离融合模块；多流特征提取网络包括用于提取输入图像的特征图的特征图提取网络与用于分别从各特征图中提取相应特征的特征提取网络；贡献系数自适应生成模块包括激活比计算模块与用于根据各区域特征图的激活比计算各区域特征的贡献系数的贡献度映射模块；距离融合模块用于计算相应特征图之间的特征距离，并利用各特征的贡献系数将各特征距离融合成多流特征距离。还公开了一种多流特征距离融合方法。本发明能够通过多流特征距离为图像相似性判断提供更加符合真实情况的参考指标，为提高图像相似性判断的准确性带来了突破性进展。

技术领域

本发明涉及图像识别领域，尤其是一种用于图像相似性判断的多流特征融合系统。

背景技术

图像识别通常需要进行图像相似度计算，一般采用两幅图像的特征距离作为图像相似度指标。目前，大多数方法都致力于提取一个有区别性的全局特征，计算全局特征的特征距离，特征距离越小，图像相似度越高。但是，在图像识别中往往需要识别特定的对象，不同对象有可能在整体上相似，但是在局部细节上是不相同的，因此还需要通过区域特征进一步的进行区分。现有技术所采用的基于全局特征的图像识别方法，则不能区分整体相似度较高的图像中的对象是否为同一目标对象。

发明内容

针对上述现有技术的不足，本发明提供一种多流特征距离融合系统，解决现有技术不能很好的对全局特征与区域特征进行融合的技术问题，能够通过多流特征距离为图像相似性判断提供更加符合真实情况的参考指标，为提高图像相似性判断的准确性带来了突破性进展。

为了解决上述技术问题，本发明采用了如下的技术方案：一种多流特征距离融合系统，包括逐级连接的多流特征提取网络、贡献系数自适应生成模块与距离融合模块；

多流特征提取网络包括用于提取输入图像的特征图的特征图提取网络，所述特征图包括全局特征图与n个区域特征图；多流特征提取网络还包括用于分别从各特征图中提取相应特征的特征提取网络；多流特征提取网络能够将特征图输出给贡献系数自适应生成模块，并能将提取到的特征输出给距离融合模块；

贡献系数自适应生成模块包括激活比计算模块与用于根据各区域特征图的激活比计算各区域特征的贡献系数的贡献度映射模块；所述激活比是指区域特征图上的非零值点的数量与全局特征图上的非零值点的数量的比率；所述贡献系数是指全局特征或区域特征对融合距离的贡献程度；全局特征贡献系数恒为1；

距离融合模块用于根据待测图像的各特征图与参考图像的各特征图计算相应特征图之间的特征距离，并利用各特征的贡献系数将各特征距离融合成多流特征距离。

优选的，所述特征图提取网络包括用于在输入图像上分割出n-1个局部区域的区域分割网络、用于去除输入图像的背景的语义分割模块、用于提取输入图像的全局特征图的全局特征图提取网络以及用于根据区域分割网络所分割出的各局部区域在全局特征图上提取出相应区域特征图的池化模块；输入图像经语义分割模块去除背景后作为第n个区域特征图。

优选的，所述区域分割网络为身体分割提取网络或人脸分割提取网络。

优选的，所述激活比计算模块按如下公式计算激活比ar：

其中，N表示特征图的维度，H_l、W_l分别是区域特征图的高度尺寸、宽度尺寸，H_g、W_g分别是全局特征图的高度尺寸、宽度尺寸；

其中，P(i,j,k)表示区域特征图上特征点的值；

其中，P(u,t,r)表示全局特征图上特征点的值。

优选的，距离融合模块按如下公式计算多流特征距离R：