(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221043131 1.8 (22)申请日 2022.04.22 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 杨喜鹏　李莹莹　谭啸　孙昊　 丁二锐　 (74)专利代理 机构 北京柏杉松知识产权代理事 务所(普通 合伙) 11413 专利代理师 丁芸　马敬 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种图像特征提取网络的训练方法、 装置及 电子设备 (57)摘要 本公开提供了一种图像特征提取网络的训 练方法、 装置及电子设备， 涉及人工智 能技术领 域， 具体为计算机视觉、 图像处理、 深度学习等技 术领域， 可应用于智慧城市等场景。 获取样本图 像数据及样 本图像数据的真值标注； 对样本图像 数据进行区域划分， 得到包括多个 分区的样本图 像数据； 将包括多个分区的样 本图像数据输入到 图像特征提取网络中， 得到包括多个 分区的图像 特征； 对包括多个 分区的图像特征中的至少一个 分区进行掩膜处理， 得到掩膜处理后的图像特 征； 基于掩膜处理后的图像特征进行预测， 得到 样本图像数据当前的预测结果； 根据当前的预测 结果及样本图像数据的真值标注调整图像特征 提取网络的参数。 本公开实现了对图像特征提取 网络的训练。 权利要求书4页 说明书15页 附图5页 CN 114693950 A 2022.07.01 CN 114693950 A 1.一种图像特 征提取网络的训练方法， 包括： 获取样本图像数据及所述样本图像数据的真值标注； 对所述样本图像数据进行区域划分， 得到包括多个分区的样本图像数据； 将所述包括多个分区的样本图像数据输入到图像特征提取网络中， 得到包括多个分区 的图像特 征； 对所述包括多个分区的图像特征中的至少一个分区进行掩膜 处理， 得到掩膜 处理后的 图像特征； 基于掩膜处 理后的图像特 征进行预测， 得到所述样本图像数据当前的预测结果； 根据当前的预测结果及所述样本图像数据的真值标注调整所述图像特征提取网络的 参数。 2.根据权利要求1所述的方法， 其中， 所述对所述包括多个分区的图像特征中的至少一 个分区进行掩膜处 理， 得到掩膜处 理后的图像特 征， 包括： 按照预设掩膜规则， 生成掩膜参数； 利用当前生成的掩膜参数对所述包括多个分区的图像特征中的至少一个分区进行掩 膜处理， 得到掩膜处 理后的图像特 征。 3.根据权利要求2所述的方法， 所述方法还 包括： 按照预设掩膜规则， 生成新的掩膜参数， 并利用当前生成的掩膜参数进行特征提取网 络的训练， 直至满足预设第一结束条件， 其中， 当前生成的掩膜参数与之前生成的掩膜参数 不同。 4.根据权利要求1所述的方法， 其中， 所述基于掩膜处理后的图像特征进行预测， 得到 所述样本图像数据的预测结果， 包括： 在所述掩膜 处理后的图像特征中提取未进行掩膜 处理的各分区的图像特征， 得到各目 标分区图像特 征； 将所述目标分区图像特 征拼接为待分析图像特 征； 将所述待分析图像特征输出到判别网络 中进行分析， 得到所述样本图像数据的预测结 果。 5.一种图像特 征提取网络的训练方法， 包括： 获取样本图像数据及所述样本图像数据的真值标注； 对所述样本图像数据进行区域划分， 得到包括多个分区的样本图像数据； 对所述包括多个分区的样本图像数据中的至少一个分区进行掩膜 处理， 得到掩膜 处理 后的样本图像数据； 将所述掩膜 处理后的样本图像数据输入到图像特征提取网络 中， 得到包括多个分区的 图像特征； 基于所述包括多个分区的图像特征进行预测， 得到所述样本图像数据当前的预测结 果； 根据当前的预测结果及所述样本图像数据的真值标注调整所述图像特征提取网络的 参数。 6.根据权利要求5所述的方法， 其中， 所述对所述包括多个分区的样本图像数据中的至 少一个分区进行掩膜处 理， 得到掩膜处 理后的样本图像数据， 包括：权　利　要　求　书 1/4 页 2 CN 114693950 A 2按照预设掩膜规则， 生成掩膜参数； 利用当前生成的掩膜参数对所述包括多个分区的样本图像数据中的至少一个分区进 行掩膜处 理， 得到掩膜处 理后的样本图像数据。 7.根据权利要求6所述的方法， 所述方法还 包括： 按照预设掩膜规则， 生成新的掩膜参数， 并利用当前生成的掩膜参数进行特征提取网 络的训练， 直至满足预设第二结束条件， 其中， 当前生成的掩膜参数与之前生成的掩膜参数 不同。 8.根据权利要求6所述的方法， 其中， 所述基于所述包括多个分区的图像特征进行预 测， 得到所述样本图像数据当前的预测结果， 包括： 在所述包括多个分区的图像特征中提取未进行掩膜 处理的各分区的图像特征， 得到各 目标分区图像特 征； 将所述目标分区图像特 征拼接为待分析图像特 征； 将所述待分析图像特征输出到判别网络 中进行分析， 得到所述样本图像数据的预测结 果。 9.一种图像处 理方法， 包括： 利用预先训练 的图像特征提取网络提取待处理图像的图像特征； 基于待处理图像的图 像特征， 确定所述待处理图像的预测结果， 其中， 所述图像特征提取网络通过权利要求1 ‑8 任一所述的方法训练得到 。 10.一种图像特 征提取网络的训练装置， 包括： 第一样本图像获取模块， 用于获取样本图像数据及所述样本图像数据的真值标注； 第二区域划分模块， 用于对所述样本 图像数据进行区域划分， 得到包括多个分区的样 本图像数据； 第一图像特征获得模块， 用于将所述包括多个分区的样本图像数据输入到图像特征提 取网络中， 得到包括多个分区的图像特 征； 第二图像特征获得模块， 用于对所述包括多个分区的图像特征中的至少一个分区进行 掩膜处理， 得到掩膜处 理后的图像特 征； 第一图像预测模块， 用于基于掩膜处理后的图像特征进行预测， 得到所述样本 图像数 据当前的预测结果； 第一参数调 整模块， 用于根据当前的预测结果及所述样本图像数据的真值标注调 整所 述图像特 征提取网络的参数。 11.根据权利要求10所述的装置， 其中， 所述第二图像特 征获得模块， 具体用于： 按照预设掩膜规则， 生成掩膜参数； 利用当前生成的掩膜参数对所述包括多个分区的图像特征中的至少一个分区进行掩 膜处理， 得到掩膜处 理后的图像特 征； 所述装置还 包括： 第一特征提取网络训练模块， 用于按照预设掩膜规则， 生成新的掩膜参数， 并利用当前 生成的掩膜参数进 行特征提取网络的训练， 直至满足预设第一结束 条件， 其中， 当前生 成的 掩膜参数与之前生成的掩膜参数不同。 12.根据权利要求10所述的装置， 其中， 所述第一图像预测模块， 具体用于：权　利　要　求　书 2/4 页 3 CN 114693950 A 3