1.一种特征提取网络的训练方法,其特征在于,所述方法包括:
获得图像训练集,所述图像训练集包括同一目标的两种模态的图像;
将所述图像训练集输入到所述特征提取网络,以得到每一目标的两种模态的图像特征;
利用每个目标的两种模态的图像特征的差异计算损失;
在损失减小的方向,更新所述特征提取网络的参数。
2.根据权利要求1所述的训练方法,其特征在于,所述在损失减小的方向,更新所述特征提取网络的参数,包括:
利用损失梯度反向传播更新所述特征提取网络的参数。
3.根据权利要求2所述的训练方法,其特征在于,两种模态包括第一模态和第二模态,所述将所述图像训练集输入到所述特征提取网络,以得到每一目标的两种模态的图像特征,之后包括:
将至少一个目标的第一模态的图像特征输入到第一图像分类器;基于所述第一图像分类器的分类结果,并利用梯度反向传播算法确定所述特征提取网络的第一组参数;
将至少一个目标的第二模态的图像特征输入到第二图像分类器;基于所述第二图像分类器的分类结果,并利用梯度反向传播算法确定所述特征提取网络的第二组参数;
所述利用损失梯度反向传播更新所述特征提取网络的参数,包括:利用损失梯度反向传播确定所述特征提取网络的第三组参数;
将所述特征提取网络的第一组参数、第二组参数和第三组参数进行加权处理,得到所述特征提取网络的最终参数。
4.根据权利要求3所述的训练方法,其特征在于,所述将所述图像训练集输入到所述特征提取网络,以得到每一目标的两种模态的图像特征,之后包括:
将每一目标的两种模态的图像特征连接,得到每一目标的融合特征;
将至少一个目标的融合特征输入到第三图像分类器;基于所述第三图像分类器的分类结果,并利用梯度反向传播算法确定所述特征提取网络的第四组参数;
所述将所述特征提取网络的第一组参数、第二组参数和第三组参数进行加权处理,得到所述特征提取网络的最终参数,包括:
将所述特征提取网络的第一组参数、第二组参数、第三组参数和第四组参数进行加权处理,得到所述特征提取网络的最终参数。
5.根据权利要求1所述的训练方法,其特征在于,所述两种模态的图像选自可见光图像、深度图像、红外图像、素描图像和3d图像中的两种。
6.根据权利要求1所述的训练方法,其特征在于,所述利用每个目标的两种模态的图像特征的差异计算损失,包括:
计算每个目标的两种模态的图像特征的欧式距离;
利用至少一个目标对应的欧式距离计算损失。
7.一种图像的特征提取方法,其特征在于,所述方法包括:
获取待提取特征的图像;
将所述待提取特征的图像输入至特征提取网络;其中,所述特征提取网络是采用权利要求1至6任一项所述的方法训练得到的;
通过所述特征提取网络提取所述待提取特征的图像的特征。
8.一种图像搜索方法,其特征在于,所述方法包括:
获取待搜索图像;
将所述待搜索图像输入至特征提取网络;以得到所述待搜索图像的特征;其中,所述特征提取网络是采用权利要求1至6任一项所述的方法训练得到的;
确定所述待搜索图像的特征与数据库中各图像的特征的差异;
根据所述差异确定与所述待搜索图像相似的图像,得到图像搜索结果。
9.一种电子设备,其特征在于,所述电子设备包括存储器和处理器;所述存储器中存储有计算机程序,所述处理器用于执行所述计算机程序以实现如权利要求1-8中任一项所述方法的步骤。
10.一种可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1-8中任一项所述方法的步骤。