[发明专利]图像特征的融合方法、装置、电子设备和存储介质

说明书

本公开提供了一种图像特征的融合方法，涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术领域，可应用于图像处理、图像识别等场景。具体实现方案为：将待处理图像输入到N个图像处理模型中的第一个图像处理模型，得到第一个图像处理模型的输出特征；其中，上述N个图像处理模型是串行连接的，上述N个图像处理模型中的第i个模型包括第1个至第i个共享层，i＝1，......N，N为大于等于2的自然数；将第j个图像处理模型的输出特征输入到第j+1个图像处理模型，得到第j+1个图像处理模型的输出特征，j＝1，......N‑1；以及对N个图像处理模型的输出特征进行融合，得到融合特征。本公开还提供了一种图像特征的融合装置、电子设备和存储介质。

技术领域

本公开涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术领域，可应用于图像处理、图像识别等场景。更具体地，本公开提供了一种图像特征的融合方法、装置、电子设备和存储介质。

背景技术

多模型特征融合是指为解决同一个问题设计并训练多个模型，在部署阶段使用所有的模型进行预测，得到多个特征，然后将预测得到的多个特征融合出一个最终的特征。多模型特征融合可以应用于图像处理、图像识别等场景。

发明内容

本公开提供了一种图像特征的融合方法、装置、设备以及存储介质。

根据第一方面，提供了一种图像特征的融合方法，该方法包括：将待处理图像输入到N个图像处理模型中的第一个图像处理模型，得到第一个图像处理模型的输出特征；其中，上述N个图像处理模型是串行连接的，上述N个图像处理模型中的第i个模型包括第1个至第i个共享层，i＝1，……N，N为大于等于2的自然数；将第j个图像处理模型的输出特征输入到第j+1个图像处理模型，得到第j+1个图像处理模型的输出特征，j＝1，……N-1；以及对N个图像处理模型的输出特征进行融合，得到融合特征。

根据第二方面，提供了一种图像特征的融合装置，该装置包括：第一获得模块，用于将待处理图像输入到N个图像处理模型中的第一个图像处理模型，得到第一个图像处理模型的输出特征；其中，上述N个图像处理模型是串行连接的，上述N个图像处理模型中的第i个模型包括第1个至第i个共享层，i＝1，……N，N为大于等于2的自然数；第二获得模块，用于将第j个图像处理模型的输出特征输入到第j+1个图像处理模型，得到第j+1个图像处理模型的输出特征，j＝1，……N-1；以及融合模块，用于对N个图像处理模型的输出特征进行融合，得到融合特征。

根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行根据本公开提供的方法。

根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行根据本公开提供的方法。

根据第五方面，提供了一种计算机程序产品，包括计算机程序，上述计算机程序在被处理器执行时实现根据本公开提供的方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开的一个实施例的可以应用图像特征的融合方法和装置的示例性系统架构示意图；

图2是根据本公开的一个实施例的图像特征的融合方法的流程图；

图3是根据本公开的另一个实施例的图像特征的融合方法的流程图；

图4是根据本公开的一个实施例的应用图像特征的融合方法的模型的示意图；

图5是根据本公开的一个实施例的图像特征的融合装置的框图；