本公开关于一种图像特征提取方法、装置、电子设备及存储介质，包括：将待处理图像进行矩阵变换处理，得到待处理图像的特征图；将每个特征图划分为多个窗口；将多个窗口输入至第一特征提取层进行处理，得到第一特征提取层对应的特征块，第一自注意力模块用于分别对每个窗口内的像素点进行第一自注意力操作，第二自注意力模块用于对多个窗口之间进行第二自注意力操作；将得到的特征块输入至下一层特征提取层进行处理，直至最后一层特征提取层得到待处理图像的特征提取结果。这样，第一计算结果可以体现每个窗口内像素点之间的局部注意力特征，第二计算结果可以体现各个窗口之间的全局注意力特征，较少的训练数据就可以得到满足精度需求的模型。