CN114419489B 特征提取网络的训练方法、装置、终端设备和介质 （深圳云天励飞技术股份有限公司）

道龙岗大道8288号深圳大运软件小镇述正样本对和所述负样本对对预设的特征提取的特征提取网络在进行目标检测与分割的下游2根据所述背景区间，确定目标视频帧中的前景像素点，所述目标视采用所述正样本对和所述负样本对对预设的特征提取网将所述视频帧序列中的每个视频帧的每个对应位置的像素点进判断所述目标视频帧中的像素点的像素值是若所述像素点的像素值不在所述像素点对应的背景区间中将所述目标视频帧中的前景像素点的像素值确定由像素值为所述预设值的多个像素点连通的闭合若所述样本视频帧的前景图像与所述目标视频帧的前景图像根据所述目标视频帧的前景图像和所述正样本构根据所述目标视频帧的前景图像和所述负样本构从所述目标视频帧中选取不包含所述前景图像的目标将所述样本视频帧中与所述目标区域位置相同的图像区域作为所述目标区域的正样采用所述特征提取网络分别提取所述正样本对和所述负样本对中3分别计算所述正样本对的正样本特征差距和所述负样本对前景图像获取模块，用于根据所述前景像素点，获取各个所样本对确定模块，用于确定所述目标视频帧的前景图像的正样本和负样9.一种终端设备，包括存储器、处理器以及存储在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的特征提取网络的训4[0002]自监督学习(selfsupervisedlearning)主要是利用辅助任务从大规模的无监[0009]确定所述目标视频帧的前景图像的正样本和负样本，以构建正样本对和负样本所述目标视频帧为所述视频帧序列中的任一5终端设备上运行时，使得所述终端设备执行上述第一方面所述的特征提取网络的训练方6[0040]参照图1，示出了本申请一个实施例的一种特征提取网络的训练方法的步骤流程7中的每个像素点与对应像素点的背景区间进行比较，若像素点的像素值在该背景区间中，在第十行第十列的像素点的像素值为789，则说明目标视频帧中排列在第十行第十列的像排列在第三行第五列的像素点的像素值为234，则说明目标视频帧中排列在第三行第五列8[0057]S105，采用所述正样本对和所述负样本对对预设的特征提取网络进行自监督训络进行训练之后，可以采用训练后的特征提取网络分别提取目标视频帧的一个前景图像、该前景图像对应的正样本以及该前景图像对应的负样本的特征，获得对应的前景图像特[0062]参照图2，示出了本申请一个实施例的另一种特征提取网络的训练方法的步骤流[0063]S201，将所述视频帧序列中的每个视频帧的每个对应位置的像素点进行高斯拟9说明样本视频帧的前景图像与目标视频帧的前景图像对应[0093]S212，采用所述特征提取网络分别提取所述正样本对和特征差距为所述前景图像特征和所述负样本[0100]S214，当所述正样本特征差距与所述负样本特征差距的的变化，提取出的特征可以对于物体的光照条件和颜色上提升鲁棒性。将特征对通过ROI目标检测和物体分割工作中网络可以更好地适应骨干网络fθ得到相应的特征块；切割特征40.088[0119]需要说明的是，上述实施例中各步骤的序号的大小并不[0135]前景图像获取子模块，用于根据所述坐标从所述目标视频帧中获取所述前景图样本特征差距，所述正样本特征差距为所述前景图像特征和所述正样本特征之间的差距，所述负样本特征差距为所述前景图像特征和所述负样本特征之间的算机程序62时实现上述任意各个方法实施[0151]所述终端设备6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器[0153]所述存储器61在一些实施例中可以是所述终端设备6的内部存储单元，例如终端既包括所述终端设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储操作[0157]所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用计算机存储器、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random