(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 202210635593.3 (22)申请日 2022.06.06 (71)申请人 京东科技控股 股份有限公司 地址 100176 北京市大兴区北京经济技 术 开发区科创十一 街18号C座2层2 21室 (72)发明人 姚霆　李业豪　潘滢炜　王羽　 梅涛　 (74)专利代理 机构 北京律智知识产权代理有限 公司 11438 专利代理师 孙宝海 (51)Int.Cl. G06V 10/42(2022.01) G06V 10/44(2022.01) G06V 10/80(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) (54)发明名称 特征处理方法、 装置、 产品、 介质及设备 (57)摘要 本申请提供一种特征 处理方法、 特征 处理装 置、 计算机程序产品、 计算机可读存储介质及电 子设备， 涉及计算机技术领域， 该方法包括： 获取 待分类图像的样本局部特征和样 本全局特征； 生 成对应于样 本全局特征的参考全局特征； 根据参 考全局特征和样本局部特征生 成参考局部特征； 基于参考全局特征和参考局部特征确定对应于 待分类图像的分类指示特征。 这样可以将特征提 取过程分为全局特征提取和局部特征提取， 结合 全局特征计算局部特征， 从而根据精 准的全局特 征和局部特征确定对应于待分类图像的分类指 示特征， 这样可以避免在提取图像特征的过程中 丢失特征， 可以提升对于图像的特 征提取精度。 权利要求书3页 说明书21页 附图8页 CN 114972775 A 2022.08.30 CN 114972775 A 1.一种特 征处理方法， 其特 征在于， 包括： 获取待分类图像的样本局部特 征和样本全局特 征； 生成对应于所述样本全局特 征的参考全局特 征； 根据所述 参考全局特 征和所述样本局部特 征生成参 考局部特 征； 基于所述参考全局特征和所述参考局部特征确定对应于所述待分类图像的分类指示 特征。 2.根据权利要求1所述的方法， 其特征在于， 生成对应于所述样本全局特征的参考全局 特征， 包括： 基于第一全局归一化网络、 第一全局多头网络、 第二全局归一化网络提取所述样本全 局特征的第一中间全局特 征； 获取所述样本局部特征对应的局部归一化特征， 并将所述第 一中间特征和所述局部归 一化特征输入第二全局多头网络， 以使得 所述第二全局多头网络生成第二中间全局特 征； 基于第三全局归一化网络和全局前馈网络生成对应于第二中间全局特征的特征作为 所述样本全局特 征的参考全局特 征； 其中， 所述第一全局归一化网络、 所述第二全局归一化网络和所述第三全局归一化网 络对应于不同的网络参数； 所述第一全局多头网络和所述第二全局多头网络对应于不同的 网络参数。 3.根据权利要求2所述的方法， 其特征在于， 根据 所述参考全局特征和所述样本局部特 征生成参 考局部特 征， 包括： 将所述局部归一化特征和所述参考全局特征输入局部多头网络， 以使得所述局部多头 网络生成第一中间局部特 征； 将所述第一中间局部特征和所述局部归一化特征输入局部归一化网络， 以使得所述局 部归一化网络生成第二中间局部特 征； 触发局部前馈网络基于所述第二中间局部特征和所述第一中间局部特征生成参考局 部特征。 4.根据权利要求2所述的方法， 其特征在于， 基于所述参考全局特征和所述参考局部特 征确定对应于所述待分类图像的分类指示特 征， 包括： 融合所述 参考全局特 征和所述 参考局部特 征， 得到待拆分特 征； 将所述待拆分特 征拆分为目标全局特 征和目标局部特 征； 根据所述目标全局特征和所述目标局部特征确定对应于所述待分类图像的分类指示 特征。 5.根据权利要求4所述的方法， 其特征在于， 融合所述参考全局特征和所述参考局部特 征， 得到待拆分特 征， 包括： 融合所述 参考全局特 征和所述 参考局部特 征， 得到第一融合结果； 对所述第一融合结果进行层归一 化处理， 得到第二融合结果； 生成与所述第二融合结果对应的自注意力融合特 征； 基于所述自注意力融合特 征和所述第一融合结果 生成所述待拆分特 征。 6.根据权利要求4所述的方法， 其特征在于， 根据 所述目标全局特征和所述目标局部特 征确定对应于所述待分类图像的分类指示特 征， 包括：权　利　要　求　书 1/3 页 2 CN 114972775 A 2基于全局特 征处理网络生成所述目标全局特 征对应的第一待处 理特征； 基于局部特 征处理网络生成所述目标局部特 征对应的第二待处 理特征； 根据所述第一待处理特征和所述第二待处理特征生成对应于所述待分类图像的分类 指示特征。 7.根据权利要求6所述的方法， 其特征在于， 所述全局特征处理网络包括语义归一化网 络和语义前馈网络， 基于全局特征处理网络生成所述目标全局特征对应的第一待处理特 征， 包括： 通过所述语义归一化网络对所述目标全局特征进行归一化处理， 得到语义归一化结 果； 通过所述语义前馈网络生成所述语义归一 化结果对应的语义综合特 征； 融合所述语义综合特征和所述目标全局特征， 得到所述目标全局特征对应的第 一待处 理特征。 8.根据权利要求6所述的方法， 其特征在于， 所述局部特征处理网络包括像素归一化网 络和像素前馈网络， 基于局部特征处理网络生成所述目标局部特征对应的第二待处理特 征， 包括： 通过所述像素归一化网络对所述目标局部特征进行层归一化处理， 得到像素归一化结 果； 通过所述像素 前馈网络生成所述像素归一 化结果对应的像素综合特 征； 融合所述像素综合特征和所述目标局部特征， 得到所述目标局部特征对应的第 二待处 理特征。 9.根据权利要求6所述的方法， 其特征在于， 根据 所述第一待处理特征和所述第 二待处 理特征生成对应于所述待分类图像的分类指示特 征， 包括： 对所述第一待处 理特征和所述第二待处 理特征进行池化处 理， 得到分类指示特 征。 10.根据权利要求1所述的方法， 其特征在于， 基于所述参考全局特征和所述参考局部 特征确定对应于所述待分类图像的分类指示特 征之后， 所述方法还 包括： 通过所述分类指示特 征确定所述待分类图像对应的类别。 11.一种特 征处理装置， 其特 征在于， 包括： 特征获取单元， 用于获取待分类图像的样本局部特 征和样本全局特 征； 特征生成单 元， 用于生成对应于所述样本全局特 征的参考全局特 征； 所述特征生成单元， 还用于根据所述参考全局特征和所述样本局部特征生成参考局部 特征； 特征确定单元， 用于基于所述参考全局特征和所述参考局部特征确定对应于所述待分 类图像的分类指示特 征。 12.一种计算机程序产品， 包括计算机程序， 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 ‑10任一项所述的方法。 13.一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 ‑10任一项所述的方法。 14.一种电子设备， 其特 征在于， 包括： 处理器； 以及权　利　要　求　书 2/3 页 3 CN 114972775 A 3