[发明专利]兴趣点特征提取方法、装置、电子设备及存储介质

权利要求书

1.一种兴趣点特征提取模型的训练方法，包括：

获取多个招牌样本图像；

对所述多个招牌样本图像进行文本检测，以得到与所述多个招牌样本图像分别对应的多个文本特征向量；

对所述多个招牌样本图像进行类别检测，以得到与所述多个招牌样本图像分别对应的多个分类特征向量；

对与所述招牌样本图像对应的所述文本特征向量和所述分类特征向量进行融合处理，以得到目标特征向量；以及

采用所述多个招牌样本图像、所述目标特征向量，以及与所述多个招牌样本图像分别对应的多个标注兴趣点特征训练初始人工智能模型，以生成兴趣点特征提取模型。

2.根据权利要求1所述的方法，其中，所述对所述多个招牌样本图像进行文本检测，以得到与所述多个招牌样本图像分别对应的多个文本特征向量，包括：

将所述招牌样本图像输入至预训练的文本检测模型之中，以得到所述文本检测模型输出的文本特征向量，其中，所述文本特征向量，是所述招牌样本图像中的文本和文本信息映射于向量空间的向量表示。

3.根据权利要求1所述的方法，其中，所述对所述多个招牌样本图像进行类别检测，以得到与所述多个招牌样本图像分别对应的多个分类特征向量，包括：

将所述招牌样本图像输入至预训练的招牌分类模型之中，以得到所述招牌分类模型输出的分类特征向量，所述分类特征向量，是与所述招牌样本图像对应的兴趣点类别映射于向量空间的向量表示。

4.根据权利要求1所述的方法，其中，所述对与所述招牌样本图像对应的所述文本特征向量和所述分类特征向量进行融合处理，以得到目标特征向量，包括：

解析所述文本特征向量以得到第一数量的文本特征；

解析所述分类特征向量以得到第二数量的分类特征；

对所述第一数量的文本特征和所述第二数量的分类特征进行拼接处理，得到融合特征向量；

将所述融合特征向量输入至预训练的特征融合模型之中，以得到所述特征融合模型输出的所述目标特征向量。

5.根据权利要求1所述的方法，其中，所述采用所述多个招牌样本图像、所述目标特征向量，以及与所述多个招牌样本图像分别对应的多个标注兴趣点特征训练初始人工智能模型，以生成兴趣点特征提取模型，包括：

将所述招牌样本图像和所述目标特征向量输入至初始人工智能模型之中，以得到所述初始人工智能模型输出的预测兴趣点特征；

根据所述预测兴趣点特征和所述标注兴趣点特征训练所述初始人工智能模型，以得到所述兴趣点特征提取模型。

6.根据权利要求5所述的方法，其中，所述根据所述预测兴趣点特征和所述标注兴趣点特征训练所述初始人工智能模型，以得到所述兴趣点特征提取模型，包括：

确定所述预测兴趣点特征和所述标注兴趣点特征之间的损失值；

如果所述损失值满足损失阈值，则将训练得到的人工智能模型作为所述兴趣点特征提取模型。

7.一种兴趣点特征提取方法，包括：

获取招牌图像；

将所述招牌图像输入至如上述1-6任一项所述的方法训练得到的兴趣点特征提取模型之中，以得到所述兴趣点特征提取模型输出的目标兴趣点特征。

8.一种兴趣点特征提取模型的训练装置，包括：

第一获取模块，用于获取多个招牌样本图像；

第一检测模块，用于对所述多个招牌样本图像进行文本检测，以得到与所述多个招牌样本图像分别对应的多个文本特征向量；

第二检测模块，用于对所述多个招牌样本图像进行类别检测，以得到与所述多个招牌样本图像分别对应的多个分类特征向量；

融合处理模块，用于对与所述招牌样本图像对应的所述文本特征向量和所述分类特征向量进行融合处理，以得到目标特征向量；以及

训练模块，用于采用所述多个招牌样本图像、所述目标特征向量，以及与所述多个招牌样本图像分别对应的多个标注兴趣点特征训练初始人工智能模型，以生成兴趣点特征提取模型。