[发明专利]一种特征检测方法、装置、计算机设备和存储介质

说明书

本公开提供了一种特征检测方法、装置、计算机设备和存储介质，其中，该方法包括：获取目标图像；提取目标图像的基础图像特征；基于所述基础图像特征，确定目标图像的局部特征点、局部特征点对应的局部特征信息以及目标图像的全局特征信息。本公开实施例通过同步输出目标图像的局部特征点、局部特征点对应的局部特征信息和全局特征信息的方式，能够克服分步获取上述三种特征信息所带来的时间消耗大的问题，提高了特征检测的效率；另外，利用预设队列对特征检测神经网络进行迭代训练，能实现训练完成的特征检测神经网络输出的局部特征点、局部特征点对应的局部特征信息和全局特征信息具有较高的准确性。

技术领域

本公开涉及深度学习技术领域，具体而言，涉及一种特征检测方法、装置、计算机设备和存储介质。

背景技术

目标图像的局部特征点、局部特征信息和全局特征信息在图像检索、视觉定位等场景中发挥着重要作用。现有技术中，关于目标图像的局部特征点、局部特征信息和全局特征信息，需要利用三个不同的检测神经网络分步提取。

上述分步提取的方式，将会消耗大量的时间，并且信息提取效率低下。

发明内容

本公开实施例至少提供一种特征检测方法、装置、计算机设备和存储介质。

第一方面，本公开实施例提供了一种特征检测方法，包括：

获取目标图像；

提取所述目标图像的基础图像特征；

基于所述基础图像特征，确定所述目标图像的局部特征点、所述局部特征点对应的局部特征信息以及所述目标图像的全局特征信息。

这里，利用一个神经网络首先提取基础图像特征，再基于提取的基础图像特征，能够实现同时确定局部特征点、局部特征信息以及全局特征信息，避免了上述三种信息单独提取，有效提高了信息提取效率，并且由于基础图像特征是提取上述三种特征信息都需要用到的特征信息，通过共用一次提取得到的基础图像特征来实现上述三种特征信息的获取，能够避免获取每一种上述特征信息时都对基础图像特征进行提取，造成基础图像特征重复提取的问题，减少了信息提取中的计算量。

在一种可能的实施方式中，所述基于所述基础图像特征，确定所述目标图像的局部特征点、所述局部特征点对应的局部特征信息以及所述目标图像的全局特征信息，包括：

利用特征检测神经网络，基于所述基础图像特征，输出所述目标图像的局部特征点、所述局部特征点对应的局部特征信息以及所述目标图像的全局特征信息。

利用一个特征检测神经网络即可实现对目标图像的局部特征点、局部特征点对应的局部特征信息和全局特征信息的提取，不需要利用多个检测神经网络分别实现，不仅实现了对特征检测神经网络的结构优化，还能够实现对上述三种特征信息的同步输出，提高了信息检测的效率。

在一种可能的实施方式中，对所述特征检测神经网络进行训练，包括：

获取多张样本图像；

针对每张样本图像，确定与所述样本图像具有共视关系的至少一张样本衍生图像，并将所述样本图像分别与每张样本衍生图像进行组合，得到至少一个样本图像对；

利用所述样本图像对，对所述特征检测神经网络进行训练。

共视关系能够反映拍摄两个图像时摄像装置的视角变化，通过将包括具有共视关系的两个图像的样本图像对，作为对特征检测神经网络进行训练的样本数据，能够提高训练完成的特征检测神经网络在进行特征检测时适应摄像装置的视角变化的能力，从而，提高了训练完成的特征检测神经网络输出的三种信息的精度和可靠性。

在一种可能的实施方式中，所述样本图像包括第一样本场景图像，所述样本图像对包括第一样本场景图像对；