[发明专利]特征提取方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种特征提取方法，其特征在于，该方法包括：

获取待处理图像；

将所述待处理图像输入到卷积神经网络进行特征提取，得到所述待处理图像对应的特征向量，其中，所述卷积神经网络中的至少一个卷积模块包括一个自注意力层；

输出所述待处理图像对应的特征向量。

2.如权利要求1所述的方法，其特征在于，所述卷积神经网络中的至少一个卷积模块包括一个自注意力层进一步包括：所述卷积神经网络中的特定卷积模块包括一个自注意力层。

3.如权利要求2所述的方法，其特征在于，所述卷积神经网络中的特定卷积模块包括一个自注意力层进一步包括：所述卷积神经网络中的每个卷积模块均包括一个自注意力层。

4.如权利要求1-3中任一项所述的方法，其特征在于，所述卷积神经网络还包括分类器，

在所述输出所述待处理图像对应的特征向量后，还包括：

将所述待处理图像对应的特征向量输入到所述分类器，得到分类结果；

基于所述分类结果，确定所述待处理图像的分类。

5.如权利要求1-3中任一项所述的方法，其特征在于，在所述输出所述待处理图像对应的特征向量后，还包括：

获取目标图像的特征向量；

基于所述目标图像的特征向量和所述待处理图像的特征向量，确定所述目标图像与所述待处理图像之间的相似度；

根据所述相似度，输出针对所述待处理图像的提示信息。

6.如权利要求1所述的方法，其特征在于，根据以下步骤训练所述卷积神经网络：

获取训练图像；

控制所述卷积神经网络中各所述卷积模块的参数不变，基于所述训练图像对所述卷积模块中的自注意力层进行训练。

7.如权利要求6所述的方法，其特征在于，控制所述卷积神经网络中各所述卷积模块的参数不变，基于所述训练图像对所述卷积神经网络中的自注意力层进行训练进一步包括：

控制所述卷积神经网络中各所述卷积模块的参数不变，基于所述训练图像对当前卷积模块中的自注意力层进行训练；

在训练完毕所述当前卷积模块的自注意力层后，控制所述卷积神经网络中各卷积模块的参数和当前卷积模块的自注意力层的参数不变，基于所述训练图像对下一个卷积模块的自注意力层进行训练，直到训练完所述卷积神经网络中的所有卷积模块的自注意力层为止。

8.如权利要求7所述的方法，其特征在于，在训练完所述卷积神经网络中的所有卷积模块的自注意力层之后，还包括：

基于所述训练图像对所述卷积神经网络中的所有卷积模块和所有自注意力层进行训练。

9.如权利要求1所述的方法，其特征在于，所述将所述待处理图像输入到卷积神经网络进行特征提取，包括：

所述自注意力层对相应的卷积模块处理后的第一特征图执行如下操作：

S1：对所述第一特征图进行特征重排处理，得到所述第一特征图的第一特征向量；

S2：将所述第一特征向量分别输入到三个全连接层，得到与每个全连接层输出的第二特征向量；

S3：对三个所述第二特征向量中的两个特定第二特征向量进行内积运算，得到第三特征向量；

S4：对所述第三特征向量和三个所述第二特征向量中的非特定第二特征向量进行内积运算，得到所述第一特征图的第四特征向量；

S5：重复执行h次S2到S4，输出h个第四特征向量；

S6：基于所述h个第四特征向量，输出第二特征图。

10.如权利要求9所述的方法，其特征在于，不同次执行S2时，三个所述全连接层的参数均不相同。