[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

本發明實施例公開了一種圖像檢索方法，包括：通過深度神經網絡模型獲取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；計算第一深度特征和第二深度特征的特征距離的平方值；計算魯棒對比損失函數的輸出控制參數平方值；若訓練圖像對是相同物品的兩張不同拍攝場景圖像，則從輸出控制參數的平方值和特征距離的平方值中選取較小值，根據選取的較小值調整深度神經網絡模型的網絡參數；獲取檢索匹配圖像，并通過修正后的深度神經網絡模型從圖像數據庫中查找滿足檢索匹配圖像對應的匹配規則的目標圖像。本發明實施例還公開了一種圖像檢索裝置。采用本發明實施例，具有可提高圖像檢索的效率，增強圖像檢索的性能的優點。

技術領域

本發明涉及圖像處理領域，尤其涉及一種圖像檢索方法及裝置。

背景技術

物品圖像檢索是利用物品的視覺信息在物品數據庫中檢索與該物品語義上相似或者相同的物品，隨著電子商務平臺的日益發展普及，物品圖像檢索也隨著日益發展重要。

現有技術一通過將從物品圖像中提取的不同視覺特征組成新的視覺特征，通過分類器對新的視覺特征進行訓練，生成訓練好的相似度分類器。物品圖像檢索時，通過訓練好的相似度分類器檢索滿足相似度需求的圖像。現有技術一中假設了相同物品在不同圖像上的視覺特征是高度相似的，進而通過視覺特征的相似性來確定物品圖像的相似度。然而，由于拍攝場景、拍攝角度以及拍攝裝置等條件的不同，這樣的假設實現難度高，檢索遺漏性高，適用性低。

現有技術二采用神經網絡對物品圖像檢索進行建模，在神經網絡分類器的訓練過程中，使用物品類別作為標簽對神經網絡分類器進行訓練，在物品圖像檢索中，通過訓練得到的神經網絡分類器檢索目標。現有技術二只能對物品類別進行分類，無法準確反映兩張物品圖像中包含的物品是否為相同物品，檢索準確率低。

發明內容

本申請提供了一種圖像檢索方法及裝置，可過濾訓練數據中的噪音，提高圖像檢索的效率，增強圖像檢索的性能。

第一方面，提供了一種圖像檢索方法，其可包括：

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。