(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 202111674531.5 (22)申请日 2021.12.31 (71)申请人 浙江大华 技术股份有限公司 地址 310051 浙江省杭州市滨江区滨安路 1187号 (72)发明人 牛冰川　 (74)专利代理 机构 杭州华进联浙知识产权代理 有限公司 3 3250 专利代理师 成荣强 (51)Int.Cl. G06K 9/62(2022.01) G06F 17/15(2006.01) G06T 17/00(2006.01) G06V 10/80(2022.01) G06V 10/774(2022.01)G06V 10/77(2022.01) (54)发明名称 特征增强方法、 装置、 数据处理方法和电子 装置 (57)摘要 本申请涉及一种特征增强方法、 装置、 数据 处理方法和电子装置， 其中， 该特征增强方法， 通 过获取第一特征图和对第一特征图进行预处理 后得到的与第一特征图相同尺 寸的第二特征图， 其中， 第一特征图为对目标图像进行特征提取得 到的特征图， 利用DCA算法对第一特征图进行处 理， 得到第一转换特征图， 并利用DCA算法对第二 特征图进行处理， 得到第二转换特征图， 利用SE ‑ Net算法对第一转换特征图进行处理， 并将处理 结果与第二转换特征图进行融合， 并基于融合结 果得到增强特征图。 其利用基于SE ‑Net和DCA的 网络结构， 根据像素点之间的关联信息， 和数据 集中结构之间的相关性对图像特征进行了融合， 从而基于该融合的特 征提高了图像识别的精度。 权利要求书2页 说明书11页 附图7页 CN 114462498 A 2022.05.10 CN 114462498 A 1.一种特 征增强方法， 用于图像识别， 其特 征在于， 包括： 获取第一特征图和对所述第一特征图进行预处理后得到的与所述第一特征图相同尺 寸的第二特 征图； 其中， 所述第一特 征图为对目标图像进行 特征提取得到的特 征图； 利用DCA算法对所述第一特征图进行处理， 得到第一转换特征图， 并利用所述DCA算法 对所述第二特 征图进行处 理， 得到第二 转换特征图； 利用SE‑Net算法对所述第一转换特征图进行处理， 并将处理结果与所述第二转换特征 图进行融合， 并基于融合结果得到增强特 征图。 2.根据权利要求1所述的特征增强方法， 其特征在于， 所述获取第 一特征图和对所述第 一特征图进行 预处理后得到的与所述第一特 征图相同尺寸的第二特 征图， 包括： 获取第一特 征图； 对所述第一特征图进行池化和上采样处理， 得到与所述第 一特征图相同尺寸的第 二特 征图。 3.根据权利要求1所述的特征增强方法， 其特征在于， 所述基于融合结果得到增强特征 图， 包括： 利用预设的PCA算法对所述融合结果进行降维， 得到所述增强特 征图。 4.根据权利要求1至3 中任一项所述的特征增强方法， 其特征在于， 所述DCA算法包含行 压缩处理和列压缩处 理。 5.一种数据处 理方法， 其特 征在于， 包括： 获取目标 数据； 其中， 所述目标 数据为目标对象的图像数据； 利用训练完备的基于SE ‑Net和DCA的网络结构中的主成分提取算法， 对所述目标数据 进行处理， 得到第一特 征图； 基于所述网络结构， 按照权利要求1至4中任一项所述的特征增强方法， 对所述第一特 征图进行增强处 理， 得到增强特 征图； 利用所述网络结构对所述增强特 征图进行处 理， 得到所述目标对象的识别结果。 6.根据权利 要求5所述的数据处理方法， 其特征在于， 所述利用训练完备的基于SE ‑Net 和DCA的网络结构中的主成分提取算法， 对所述目标 数据进行处 理， 得到第一特 征图， 包括： 利用训练完备的基于SE ‑Net和DCA的网络结构中的二维主成分提取算法， 对所述目标 数据进行 行列压缩处 理， 得到所述目标 数据的主成分数据； 对所述主成分数据进行 卷积处理， 得到所述第一特 征图。 7.根据权利 要求5所述的数据处理方法， 其特征在于， 在利用训练完备的基于SE ‑Net和 DCA的网络结构中的主成分提取算法， 对所述目标数据进行处理， 得到第一特征图之前， 所 述方法还 包括： 获取多姿态训练数据； 将所述多姿态训练数据输入预设的基于SE ‑Net和DCA的网络结构进行训练， 得到所述 训练完备的基于SE ‑Net和DCA的网络结构。 8.根据权利要求7 所述的数据处 理方法， 其特 征在于， 所述获取多 姿态训练数据， 包括： 采集原始训练数据； 基于预设的三维多角度投影算法， 对所述原始训练数据进行处理， 得到多姿态训练数 据。权　利　要　求　书 1/2 页 2 CN 114462498 A 29.根据权利要求8所述的数据处理方法， 其特征在于， 所述基于预设的三维多角度投影 算法， 对所述原 始训练数据进行处 理， 得到多 姿态训练数据， 包括： 利用预设的目标检测算法， 去 除所述原始训练数据中的图像背景信息， 得到第一训练 数据； 利用预设的三维重建算法， 对所述第一训练数据进行三维重建， 得到三维模型； 利用预设的透 视投影变换法对所述 三维模型进行处 理， 得到所述多 姿态训练数据。 10.一种特征增强装置， 用于图像识别， 其特征在于， 包括： 获取模块、 第 一处理模块、 以 及第二处 理模块， 其中： 所述获取模块， 用于获取第 一特征图和对所述第 一特征图进行预处理后得到的与 所述 第一特征图相同尺寸的第二特征图； 其中， 所述第一特征图为对目标图像进行特征提取得 到的特征图； 所述第一处理模块， 用于利用DCA算法对所述第 一特征图进行处理， 得到第一转换特征 图， 并利用所述DCA算法对所述第二特 征图进行处 理， 得到第二 转换特征图； 所述第二处理模块， 用于利用SE ‑Net算法对所述第一转换特征图进行处理， 并将处理 结果与所述第二 转换特征图进行融合， 并基于融合结果得到增强特 征图。 11.一种电子装置， 包括存储器和 处理器， 其特征在于， 所述存储器中存储有计算机程 序， 所述处理器被设置为运行所述计算机程序以执行权利要求1至4中任一项 所述的特征增 强方法。 12.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1至4中任一项所述的特 征增强方法的步骤。权　利　要　求　书 2/2 页 3 CN 114462498 A 3