[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；对特征图进行一阶空间注意力调制，得到调制后特征图；对调制后特征图进行第一卷积处理，得到预设数目个第一卷积后特征矩阵，其中，第一卷积后特征矩阵与第一卷积处理后得到的特征图包括的预设数目个通道一一对应；对于目标图像包括的像素点中的像素点，从预设数目个第一卷积后特征矩阵中，确定该像素点对应的像素特征向量；基于所得到的像素特征向量，确定像素关系矩阵；基于像素关系矩阵，对调制后特征图进行变换，生成变换后特征图。该实施方式可以使得所得到的变换后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，通常是根据卷积核的大小，对图像中的一部分区域包括的像素点进行分析，例如将每个像素点对应的特征数据乘以相应的权重，从而得到新的特征数据。各个像素点的特征数据是分别单独确定的。

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，特征图包括至少一个通道，每个通道对应于一个特征矩阵；对特征图进行一阶空间注意力调制，得到调制后特征图；对调制后特征图进行第一卷积处理，得到预设数目个第一卷积后特征矩阵，其中，第一卷积后特征矩阵与第一卷积处理后得到的特征图包括的预设数目个通道一一对应；对于目标图像包括的像素点中的像素点，从预设数目个第一卷积后特征矩阵中，确定该像素点对应的像素特征向量；基于所得到的像素特征向量，确定像素关系矩阵，其中，像素关系矩阵包括的元素用于表征目标图像包括的像素点之间的关联关系；基于像素关系矩阵，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，基于所得到的像素特征向量，确定像素关系矩阵，包括：将所得到的像素特征向量组合，得到第一组合后矩阵；对调制后特征图进行第二卷积处理，得到预设数目个第二卷积后特征矩阵，其中，第二卷积后特征矩阵与第二卷积处理后得到的特征图包括的预设数目个通道一一对应；对于所得到的预设数目个第二卷积后特征矩阵中的第二卷积后特征矩阵，将该第二卷积后特征矩阵转换为第一通道特征向量；将所得到的第一通道特征向量组合，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像素关系矩阵。

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

在一些实施例中，调制后特征图包括预设数目个通道，每个通道对应于一个特征矩阵；以及基于像素关系矩阵，对调制后特征图进行变换，生成变换后特征图，包括：对于调制后特征图包括的预设数目个通道中的通道，将该通道对应的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；将第三组合后矩阵与像素关系矩阵相乘，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，生成变换后特征图，分类层用于基于变换后特征图，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。

在一些实施例中，该方法还包括：基于位置信息，从待识别图像中提取目标对象图像及显示。