买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京科技大学

摘要：本发明公开了一种基于多证据融合选取训练样本的特征提取方法及装置，该方法包括：在特征提取网络的训练阶段引入多种不同的图像检索算法；对特征提取网络进行训练；训练过程包括：在输入图像中确定锚点、正样本点和负样本点；分别利用每一图像检索算法计算锚点和正样本点之间的正样本相似度，以及锚点与负样本点之间的负样本相似度；基于计算出的正样本相似度和负样本相似度更新负样本点，得到更新后的负样本点；将利用多种不同的图像检索算法所得到的更新后的负样本点进行融合，计算损失函数；利用训练好的特征提取网络对待处理图像进行特征提取，得到提取结果。本发明可提高描述子可靠性，进而提高匹配准确率和数量，有利于视觉定位等下游任务。

主权项：1.一种基于多证据融合选取训练样本的特征提取方法，其特征在于，包括：在特征提取网络的训练阶段引入多种不同的图像检索算法；对特征提取网络进行训练；其中，训练过程包括：在输入图像中确定锚点、正样本点和负样本点；分别利用每一图像检索算法计算锚点和正样本点之间的正样本相似度，以及锚点与负样本点之间的负样本相似度；基于计算出的正样本相似度和负样本相似度，更新负样本点，得到更新后的负样本点；将利用多种不同的图像检索算法所得到的更新后的负样本点进行融合，计算损失函数；利用训练好的特征提取网络对待处理图像进行特征提取，得到提取结果；在对特征提取网络进行训练时，特征提取网络的输入图像为同一场景下的图像对，并且训练用的数据集具有对应的深度信息和相机参数信息；所述在输入图像中确定锚点、正样本点和负样本点，包括：采样锚点，并根据输入图像对之间的相机变换得到锚点所对应的正样本点；将以正样本点为中心的矩形窗外的所有点作为负样本集；根据所述负样本集中各点的描述子与正样本点的描述子之间的匹配程度，选取一个与正样本点最相近的点，作为负样本点；所述将以正样本点为中心的矩形窗外的所有点作为负样本集；根据所述负样本集中各点的描述子与正样本点的描述子之间的匹配程度，选取一个与正样本点最相近的点，作为负样本点，包括：通过设置距离K，将目标图像内与正样本点的距离大于K的点所组成的集合作为负样本集，在所述负样本集中选取一个与正样本点最相似的点，作为负样本点，以实现负样本选取；其中，数据点之间的距离指的是相应数据点的描述子之间的欧式距离，欧式距离越小，代表相应的两个点越相似；所述利用每一图像检索算法计算锚点和正样本点之间的正样本相似度，以及锚点与负样本点之间的负样本相似度；基于计算出的正样本相似度和负样本相似度，更新负样本点，得到更新后的负样本点，包括：获取以锚点为中心的方形区域、以正样本点为中心的方形区域，以及以负样本点为中心的方形区域；利用图像检索算法计算以锚点为中心的方形区域与以正样本点为中心的方形区域之间的相似度，得到锚点和正样本点之间的正样本相似度spos，以及计算以锚点为中心的方形区域与以负样本点为中心的方形区域之间的相似度，得到锚点与负样本点之间的负样本相似sneg；当spossneg1时，更新K值，更新公式为：K＝K·spossneg，然后基于更新后的K值，重复选取负样本的过程，得到更新后的负样本点；所述损失函数表示为： 其中，Ldesc表示损失函数，m表示三元组损失的边际值，g·表示样本聚合函数，d1表示锚点对应的描述子，表示利用第i种图像检索算法所得到的更新后的负样本点的描述子，i＝1,2,…,δ；δ表示图像检索算法的种类数，dpos表示锚点对应的描述子与正样本点对应的描述子之间的欧氏距离。

全文数据：

权利要求：

百度查询： 北京科技大学 一种基于多证据融合选取训练样本的特征提取方法及装置