[发明专利]特征金字塔网络的训练方法、提取图像特征的方法和装置

说明书

公开了一种特征金字塔网络的训练方法、提取图像特征的方法和装置。其中的训练方法包括：获取样本图像的兴趣区域、以及待训练的特征金字塔网络中的用于产生多尺度特征的隐含层针对所述样本图像输出的第一金字塔特征；根据所述兴趣区域，从所述第一金字塔特征中获取第一兴趣区域特征；对所述第一兴趣区域特征进行目标对象检测，获得第一目标对象检测结果；根据所述第一目标对象检测结果与样本图像的目标对象标注信息之间的差异，调整所述特征金字塔网络的网络参数。本公开提供的技术方案有利于提高特征金字塔网络输出的金字塔特征的准确性，进而有利于提高目标对象检测的准确性。

技术领域

本公开涉及计算机视觉技术，尤其是一种特征金字塔网络的训练方法、特征金字塔网络的训练装置、提取图像特征的方法、提取图像特征的装置、存储介质以及电子设备。

背景技术

提取图像特征的技术可以应用于人机交互、视觉监控、体育运动分析、医疗诊断、虚拟现实以及增强现实等多种领域。

利用特征金字塔网络提取出的图像的金字塔特征是具有多种不同尺度的特征图。提取出的图像的金字塔特征可以用于确定图像中的目标对象的位置以及类别等，以实现目标对象检测。利用特征金字塔网络提取出的图像的金字塔特征的准确性，会影响目标对象检测结果的准确性。如何提高金字塔特征的准确性，是一个值得关注的技术问题。

发明内容

为了解决上述技术问题，提出了本公开。本公开的实施例提供了一种特征金字塔网络的训练方法、提取图像特征的方法、装置、存储介质和电子设备。

根据本公开实施例的一个方面，提供一种特征金字塔网络的训练方法，该方法包括：获取样本图像的兴趣区域、以及待训练的特征金字塔网络中的用于产生多尺度特征的隐含层针对所述样本图像输出的第一金字塔特征；根据所述兴趣区域，从所述第一金字塔特征中获取第一兴趣区域特征；对所述第一兴趣区域特征进行目标对象检测，获得第一目标对象检测结果；根据所述第一目标对象检测结果与样本图像的目标对象标注信息之间的差异，调整所述特征金字塔网络的网络参数。

根据本公开实施例的另一个方面，提供一种提取图像特征的方法，包括：将待处理图像的金字塔特征作为输入金字塔特征提供给特征金字塔网络；经由所述特征金字塔网络根据输入金字塔特征形成包含多尺度特征的第一金字塔特征，从所述输入金字塔特征中的最高层特征中，获取至少一上下文特征，并根据所述至少一上下文特征和所述第一金字塔特征中的最高层特征，生成第二金字塔特征中的最高层特征；其中，所述第二金字塔特征为特征金字塔网络针对所述待处理图像最终输出的金字塔特征，所述特征金字塔网络是采用上述特征金字塔网络的训练方法进行训练获得的。

根据本公开实施例的再一个方面，提供一种特征金字塔网络的训练装置，该装置包括：第一获取模块，用于获取样本图像的兴趣区域、以及待训练的特征金字塔网络中的用于产生多尺度特征的隐含层针对所述样本图像输出的第一金字塔特征；第二获取模块，用于根据所述第一获取模块获取到的兴趣区域，从所述第一获取模块获取到的第一金字塔特征中获取第一兴趣区域特征；第三获取模块，用于获取针对所述第二获取模块获取到的第一兴趣区域特征进行目标对象检测，而获得第一目标对象检测结果；调整参数模块，用于根据所述第三获取模块获取到的第一目标对象检测结果与样本图像的目标对象标注信息之间的差异，调整所述特征金字塔网络的网络参数。

根据本公开实施例的又一个方面，提供一种提取图像特征的装置，包括：提供信息模块，用于将待处理图像的金字塔特征作为输入金字塔特征提供给特征金字塔网络；特征金字塔网络，用于根据所述输入金字塔特征形成包含多尺度特征的第一金字塔特征，从所述输入金字塔特征中的最高层特征中，获取至少一上下文特征，并根据所述至少一上下文特征和所述第一金字塔特征中的最高层特征，生成第二金字塔特征中的最高层特征；其中，所述第二金字塔特征为特征金字塔网络针对所述待处理图像最终输出的金字塔特征，所述特征金字塔网络是采用本公开的特征金字塔网络的训练装置进行训练获得的。