[發明專利]一種圖像檢索方法及裝置

有效

• 申請號: 201610350337.4
• 申請日: 2016-05-24
• 公開（公告）號: CN107423306B
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 姜育剛;王曦;顧子晨
• 申請（專利權）人: 華為技術有限公司;復旦大學
• 主分類號: G06F16/583
• 分類號: G06F16/583;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郝傳鑫;熊永強

1.一種圖像檢索方法，其特征在于，包括：

獲取用于訓練深度神經網絡模型的訓練圖像對，通過深度神經網絡模型獲取所述訓練圖像對中的第一訓練圖像的第一深度特征和第二訓練圖像的第二深度特征；

計算所述第一深度特征和所述第二深度特征的特征距離的平方值；

獲取魯棒對比損失函數的輸出控制參數，并計算所述輸出控制參數的平方值；

判斷所述第一訓練圖像和所述第二訓練圖像是否是相同物品的兩張不同拍攝場景圖像；

若所述第一訓練圖像和所述第二訓練圖像是相同物品的兩張不同拍攝場景圖像，則從所述輸出控制參數的平方值和所述特征距離的平方值中選取較小值，并將選取的所述較小值確定為所述魯棒對比損失函數的輸出值；

根據所述魯棒對比損失函數的輸出值對應的調整規則調整所述深度神經網絡模型的網絡參數，以得到修正后的深度神經網絡模型；

獲取檢索匹配圖像，并通過所述修正后的深度神經網絡模型從圖像數據庫中查找滿足所述檢索匹配圖像對應的匹配規則的目標圖像。

2.如權利要求1所述的方法，其特征在于，所述方法還包括：

若所述第一訓練圖像和所述第二訓練圖像不是相同物品的兩張不同拍攝場景圖像，則判斷所述第一訓練圖像和所述第二訓練圖像是否是不同物品的兩張圖像；

若所述第一訓練圖像和所述第二訓練圖像是不同物品的兩張圖像，則計算所述輸出控制參數的平方值和所述特征距離的平方值的差值，從所述差值和零中選取較大值，并將選取的所述較大值確定為所述魯棒對比損失函數的輸出值。

3.如權利要求1所述的方法，其特征在于，所述通過所述修正后的深度神經網絡模型從圖像數據庫中查找滿足所述檢索匹配圖像對應的匹配規則的目標圖像包括：

將所述檢索匹配圖像輸入所述修正后的深度神經網絡模型，通過所述修正后的深度神經網絡模型獲取所述檢索匹配圖像的深度特征；

將圖像數據庫中包含的至少一張待檢索圖像輸入所述修正后的深度神經網絡模型，通過所述修正后的深度神經網絡模型獲取每張所述待檢索圖像的深度特征；

從所有所述待檢索圖像的深度特征中選取與所述檢索匹配圖像的深度特征的特征距離滿足預設距離閾值的目標深度特征，并將所述目標深度特征對應的待檢索圖像確定為目標圖像。

4.如權利要求1所述的方法，其特征在于，所述通過所述修正后的深度神經網絡模型從圖像數據庫中查找滿足所述檢索匹配圖像對應的匹配規則的目標圖像包括：

將所述檢索匹配圖像輸入所述修正后的深度神經網絡模型，通過所述修正后的深度神經網絡模型獲取所述檢索匹配圖像的深度特征；

將圖像數據庫中包含的至少一張待檢索圖像輸入所述修正后的深度神經網絡模型，通過所述修正后的深度神經網絡模型獲取每張所述待檢索圖像的深度特征；

從所有所述待檢索圖像的深度特征中選取與所述檢索匹配圖像的深度特征的特征距離滿足預設距離閾值的目標深度特征，并將所述目標深度特征對應的待檢索圖像確定為目標圖像。

5.如權利要求3所述的方法，其特征在于，若所述目標圖像多于一個，則所述將所述目標深度特征對應的待檢索圖像確定為目標圖像之后，所述方法還包括：

根據每個所述目標圖像的深度特征與所述檢索匹配圖像的深度特征的特征距離從小到大的順序將多于一個的所述目標圖像進行排序輸出。

6.如權利要求4所述的方法，其特征在于，若所述目標圖像多于一個，則所述將所述目標深度特征對應的待檢索圖像確定為目標圖像之后，所述方法還包括：

根據每個所述目標圖像的深度特征與所述檢索匹配圖像的深度特征的特征距離從小到大的順序將多于一個的所述目標圖像進行排序輸出。

7.如權利要求1-6任一項所述的方法，其特征在于，所述深度特征的特征距離包括：所述深度特征的歐式距離，或者所述深度特征的余弦距離。