[发明专利]图像信息提取方法、训练方法及装置、介质和电子设备在审

专利信息
申请号: 202010818332.6 申请日: 2020-08-14
公开(公告)号: CN111967515A 公开(公告)日: 2020-11-20
发明(设计)人: 樊欢欢;李姬俊男 申请(专利权)人: OPPO广东移动通信有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06K9/46
代理公司: 深圳市隆天联鼎知识产权代理有限公司 44232 代理人: 刘抗美
地址: 523860 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 信息 提取 方法 训练 装置 介质 电子设备
【说明书】:

本公开提供了一种图像信息提取方法、图像信息提取网络的训练方法、图像信息提取装置、图像信息提取网络的训练装置、计算机可读存储介质和电子设备,涉及图像处理技术领域。该图像信息提取方法包括:获取图像,提取图像的局部描述子;计算局部描述子的置信度;基于局部描述子以及局部描述子的置信度,提取图像的全局描述子。本公开可以提高提取图像描述子的精确度。

技术领域

本公开涉及图像处理技术领域,具体而言,涉及一种图像信息提取方法、图像信息提取网络的训练方法、图像信息提取装置、图像信息提取网络的训练装置、计算机可读存储介质和电子设备。

背景技术

随着终端技术的发展,视觉导航、AR(Augmented Reality,增强现实)、场景识别、无人驾驶等功能均可以基于终端来实现。为了实现这些技术,终端通常需要对图像进行一系列处理。而在对图像进行处理的过程中,特征描述子的提取尤为重要,直接影响到上层应用是否能够顺利实现。

对图像的描述可以基于全局描述子和局部描述子来实现,在例如视觉导航、图像检索等技术中,为了更准确的表达出图像,需要同时利用到全局描述子和局部描述子。

目前,在分别提取全局描述子和局部描述子的方案中,未考虑到全局描述子与局部描述子的相关性,导致全局描述子和局部描述子对图像的表征能力较差,提取到的描述子不够精确,造成图像处理的效果不理想。

发明内容

本公开提供一种图像信息提取方法、图像信息提取网络的训练方法、图像信息提取装置、图像信息提取网络的训练装置、计算机可读存储介质和电子设备,进而至少在一定程度上克服提取的描述子不精确而导致图像处理效果不佳的问题。

根据本公开的第一方面,提供了一种图像信息提取方法,包括:获取图像,提取图像的局部描述子;计算局部描述子的置信度;基于局部描述子以及局部描述子的置信度,提取图像的全局描述子。

根据本公开的第二方面,提供了一种图像信息提取网络的训练方法,包括:获取图像信息提取网络和训练集,其中,训练集包括多个图像对,每个图像对包括属于同一场景的第一训练图像和第二训练图像;将第一训练图像输入图像信息提取网络,得到第一训练图像的局部描述子和全局描述子;将第二训练图像输入图像信息提取网络,得到第二训练图像的局部描述子和全局描述子;根据第一训练图像的局部描述子和全局描述子以及第二训练图像的局部描述子和全局描述子,利用损失函数训练图像信息提取网络。

根据本公开的第三方面,提供了一种图像信息提取装置,包括:第一提取模块,用于获取图像,提取图像的局部描述子;置信度计算模块,用于计算局部描述子的置信度;第二提取模块,用于基于局部描述子以及局部描述子的置信度,提取图像的全局描述子。

根据本公开的第四方面,提供了一种图像信息提取网络的训练装置,包括:网络获取模块,用于获取图像信息提取网络和训练集,其中,训练集包括多个图像对,每个图像对包括属于同一场景的第一训练图像和第二训练图像;第一训练数据确定模块,用于将第一训练图像输入图像信息提取网络,得到第一训练图像的局部描述子和全局描述子;第二训练数据确定模块,用于将第二训练图像输入图像信息提取网络,得到第二训练图像的局部描述子和全局描述子;训练模块,用于根据第一训练图像的局部描述子和全局描述子以及第二训练图像的局部描述子和全局描述子,利用损失函数训练图像信息提取网络。

根据本公开的第五方面,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述的图像信息提取方法或图像信息提取网络的训练方法。

根据本公开的第六方面,提供了一种电子设备,包括处理器;存储器,用于存储一个或多个程序,当一个或多个程序被处理器执行时,使得所述处理器实现上述的图像信息提取方法或图像信息提取网络的训练方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于OPPO广东移动通信有限公司,未经OPPO广东移动通信有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010818332.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top