[发明专利]基于端到端网络的物件定位与检索方法及相关设备

说明书

本申请公开一种基于端到端网络的物件定位与检索方法及相关设备，方法包括：将目标图像输入到第一特征提取层进行特征提取，得到第一特征图像；将第一特征图像输入到卷积层，得到第二特征图像；将第二特征图像输入到物件信息层，得到物件信息特征图；将物件信息特征图输入到数据分析层，解析出物件的类型、位置和物件权重特征，将物件权重特征构造成二维权重矩阵，将物件位置所在的ROI图像压缩到固定尺寸与二维权重矩阵进行卷积计算，得到物件REID特征图；将其输入到第二特征提取层，得到第三特征图像；将第三特征图像输入到第一全连接层、第二全连接层以及第一归一化层，得到物件重识别特征。本申请实施例能够实现高效物件定位与检索。

技术领域

本申请涉及图像处理技术领域，具体涉及一种基于端到端网络的物件定位与检索方法及相关设备。

背景技术

目标检索，是一种基于目标几何和统计特征的图像分割，它将目标的分割和识别合二为一，其准确性和实时性是整个系统的一项重要能力。物件检索则作为目标检索的一种应用，在实际应用中，也越来越受到重视，例如，常见的物件有：帽子、上衣、背包、logo、裤子、手提袋、拉杆箱、鞋子等。目前来看，如何实现高效物件检索的问题亟待解决。

发明内容

本申请实施例提供了一种基于端到端网络的物件定位与检索方法及相关设备，可以实现高效物件检索。

第一方面，本申请实施例提供一种物件检索方法，所述方法包括：

获取目标图像；

将所述目标图像输入到第一特征提取层进行特征提取，得到第一特征图像；

将所述第一特征图像输入到卷积层，得到第二特征图像；

将所述第二特征图像输入到物件信息层，得到物件信息特征图，所述物件信息特征图包括：物件的类型、位置、和物件权重特征；

将所述物件信息特征图输入到数据分析层，解析出物件的类型、位置和物件权重特征，将物件权重特征构造成二维权重矩阵，将物件位置所在的ROI图像压缩到固定尺寸与所述二维权重矩阵进行卷积计算，得到物件REID特征图；

将所述物件REID特征图输入到第二特征提取层，得到第三特征图像；

将所述第三特征图像输入依次输入到第一全连接层、第二全连接层以及第一归一化层，得到压缩特征维度之后的物件重识别特征。

第二方面，本申请实施例提供了一种物件检索装置，所述装置包括：获取单元、第一提取单元、分析单元、第二提取单元和输出单元，其中，

所述获取单元，用于获取目标图像；

所述第一提取单元，用于将所述第二特征图像输入到物件信息层，得到物件信息特征图，所述物件信息特征图包括：物件的类型、位置、和物件权重特征；

所述分析单元，用于将所述物件信息特征图输入到数据分析层，解析出物件的类型、位置和物件权重特征，将物件权重特征构造成二维权重矩阵，将物件位置所在的ROI图像压缩到固定尺寸与所述二维权重矩阵进行卷积计算，得到物件REID特征图；

所述第二提取单元，用于将所述物件REID特征图输入到第二特征提取层，得到第三特征图像；

所述输出单元，用于将所述第三特征图像输入依次输入到第一全连接层、第二全连接层以及第一归一化层，得到压缩特征维度之后的物件重识别特征。

第三方面，本申请实施例提供一种电子设备，包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行本申请实施例第一方面中的步骤的指令。