[发明专利]用于生成特征图的方法和装置

说明书

本公开的实施例公开了用于生成特征图的方法和装置。该方法的一具体实施方式包括：获取目标图像，以及确定目标图像的特征图，其中，特征图对应于至少一个通道的特征矩阵；对特征图进行一阶通道注意力调制，得到调制后特征图；将调制后特征图输入预设的至少两个二阶通道注意力调制模型，得到至少两个变换后特征图，其中，二阶通道注意力调制模型与变换后特征图一一对应，变换后特征图用于表征调制后特征图包括的通道之间的关系；基于至少两个变换后特征图，生成通道注意力特征图。该实施方式可以使得所得到的通道注意力特征图可以更全面地表征目标图像的特征，有助于提高对图像进行识别的准确性，以及提高从图像中提取目标对象图像的准确性。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于生成特征图的方法和装置。

背景技术

现有的卷积神经网络，在提取图像的特征时，通常是对特征数据包括的各个通道分别单独分析。例如，在对各个通道进行卷积运算时，利用预设的卷积核，分别对各个通道进行卷积运算，得到新的特征数据，再利用全连接层将得到的特征数据进行连接，对连接后的特征数据进行分类等操作。

发明内容

本公开的实施例提出了用于生成特征图的方法和装置，以及用于识别图像的方法和装置。

第一方面，本公开的实施例提供了一种用于生成特征图的方法，该方法包括：获取目标图像，以及确定目标图像的特征图，其中，特征图对应于至少一个通道的特征矩阵；对特征图进行一阶通道注意力调制，得到调制后特征图；将调制后特征图输入预设的至少两个二阶通道注意力调制模型，得到至少两个变换后特征图，其中，二阶通道注意力调制模型与变换后特征图一一对应，变换后特征图用于表征调制后特征图包括的通道之间的关系；基于至少两个变换后特征图，生成通道注意力特征图。

在一些实施例中，对于至少两个二阶通道注意力调制模型中的二阶通道注意力调制模型，该二阶通道注意力调制模型用于执行如下步骤：对调制后特征图进行第一卷积处理，得到预设数目个通道的第一卷积后特征矩阵；对于预设数目个通道的第一卷积后特征矩阵中的第一卷积后特征矩阵，将该第一卷积后特征矩阵转换为第一通道特征向量；基于所得到的第一通道特征向量，确定通道关系矩阵，其中，通道关系矩阵包括的元素用于表征预设数目个通道的第一卷积后特征矩阵之间的关系；基于通道关系矩阵，对调制后特征图进行变换，生成变换后特征图。

在一些实施例中，基于所得到的第一通道特征向量，确定通道关系矩阵，包括：将所得到的第一通道特征向量组合，得到第一组合后矩阵；对调制后特征图进行第二卷积处理，得到预设数目个通道的第二卷积后特征矩阵；对于目标图像包括的像素点中的像素点，从预设数目个通道的第二卷积后特征矩阵中，确定该像素点对应的像素特征向量；将所得到的像素特征向量组合，得到第二组合后矩阵；将第一组合后矩阵与第二组合后矩阵相乘，基于相乘后得到的矩阵生成通道关系矩阵。

在一些实施例中，基于相乘后得到的矩阵生成通道关系矩阵，包括：对相乘后得到的矩阵包括的元素进行归一化处理，得到通道关系矩阵。

在一些实施例中，调制后特征图对应于预设数目个通道的特征矩阵；以及基于通道关系矩阵，对调制后特征图进行变换，生成变换后特征图，包括：对于调制后特征图对应的预设数目个通道的特征矩阵中的特征矩阵，将该特征矩阵转换为第二通道特征向量；将所得到的第二通道特征向量组合，得到第三组合后矩阵；将通道关系矩阵与第三组合后矩阵相乘，基于相乘后所得到的矩阵生成变换后特征图。

第二方面，本公开的实施例提供了一种用于识别图像的方法，该方法包括：获取待识别图像，其中，待识别图像包括目标对象图像；将待识别图像输入预先训练的卷积神经网络，输出用于表征待识别图像中的目标对象图像在待识别图像中的位置的位置信息和用于表征目标对象图像所属的类别的类别信息，其中，卷积神经网络包括卷积层和分类层，卷积层用于利用待识别图像执行上述第一方面中任一实施例描述的方法，生成通道注意力特征图，分类层用于基于通道注意力特征图，对待识别图像包括的像素点进行分类，生成类别信息和位置信息。