[发明专利]图像特征的处理方法、装置、电子设备及存储介质

说明书

本公开实施例提供了一种图像特征的处理方法、装置、电子设备及存储介质。该方法包括：将从图像中提取到的待处理特征输入至预设卷积神经网络，基于预设卷积神经网络进行卷积处理得到卷积处理结果，利用预设阈值函数对卷积处理结果进行阈值处理操作，得到通道阈值系数，基于通道阈值系数计算空间阈值系数，依据通道阈值系数以及空间阈值系数，对待处理特征进行处理，得到处理后的图像特征。本公开实施例通过将待处理特征进行卷积处理和阈值处理操作，得到通道阈值系数，并计算空间阈值系数，依据通道阈值系数和空间阈值系数，得到处理后的图像特征。由于通道阈值系数和空间阈值系数均是通过计算得到的，能有效提高处理后的图像特征的精度。

技术领域

本公开涉及图像处理技术领域，具体而言，本发明涉及一种图像特征的处理方法、装置、电子设备及存储介质。

背景技术

注意力机制源于对人类视觉的研究，在认知科学中，由于信息处理的瓶颈，人类会选择性地关注所有信息的一部分，同时忽略其他可见的信息。神经注意力机制可以使得神经网络具备专注于其输入子集的能力，即选择特定的输入。在计算能力有限的情况下，注意力机制是解决信息超载问题的主要手段的一种资源分配方案。

通常情况下，注意力网络得到的结果可以表示为两部分之和，默认情况下，两部分各自的比例系数均取固定值，如第一部分的比例系数取值为1，第二部分的比例系数取值也为1等。这种两部分各自的比例系数取固定值的方式在很大程度上带有不准确性，从而导致得到的结果精确度降低。

发明内容

本公开的目的旨在至少能解决上述的技术缺陷之一，特别是由于注意力网络输出结果中各部分的比例系数是固定取值，导致结果精确度降低的技术缺陷。

第一方面，提供了一种图像特征的处理方法，该方法包括：

将从图像中提取到的待处理特征输入至预设卷积神经网络，基于预设卷积神经网络进行卷积处理得到卷积处理结果；

利用预设阈值函数对卷积处理结果进行阈值处理操作，得到通道阈值系数；

基于通道阈值系数计算空间阈值系数；

依据通道阈值系数以及空间阈值系数，对待处理特征进行处理，得到处理后的图像特征。

在一个可能的实现方式中，该方法还包括：

将待处理特征输入至预设通道注意力网络，得到通道注意力特征；

将待处理特征输入至预设空间注意力网络，得到空间注意力特征；

依据通道阈值系数以及空间阈值系数，对待处理特征进行处理，得到处理后的图像特征，包括：

基于通道阈值系数、通道注意力特征、空间阈值系数和空间注意力特征，得到处理后的图像特征。

在一个可能的实现方式中，基于通道阈值系数、通道注意力特征、空间阈值系数和空间注意力特征，得到处理后的图像特征，包括：

利用通道阈值系数和通道注意力特征进行乘法运算，得到通道输出部分；

利用空间阈值系数和空间注意力特征进行乘法运算，得到空间输出部分；

利用通道输出部分和空间输出部分进行加法运算，得到处理后的图像特征。

在一个可能的实现方式中，基于通道阈值系数计算空间阈值系数，包括：

利用预定的数值对通道阈值系数进行减法运算，得到空间阈值系数。

在一个可能的实现方式中，预设阈值函数为Sigmoid函数。

在一个可能的实现方式中，将从图像中提取到的待处理特征输入至预设卷积神经网络步骤之前，该方法还包括：