[發(fā)明專利]一種繪畫圖像檢索方法及裝置

在審

• 申請?zhí)枺?/td>: 201710586533.6
• 申請日: 2017-07-18
• 公開（公告）號: CN107316042A
• 公開（公告）日: 2017-11-03
• 發(fā)明（設計）人: 呂洪鳳;盛冬冬;馮軍
• 申請（專利權）人: 盛世貞觀（北京）科技有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62;G06N3/08;G06F17/30
• 代理公司: 北京金咨知識產權代理有限公司11612
• 代理人: 宋教花,嚴業(yè)福

1.一種繪畫圖像檢索方法，其特征在于，所述方法包含以下步驟：

步驟S1，構建繪畫圖像訓練樣本集，所述圖像訓練樣本集中包含同一幅繪畫作品對應的多個繪畫圖像訓練樣本，并且所述圖像訓練樣本集中的每一繪畫圖像訓練樣本的圖像類別按精分類和粗分類進行標記；

步驟S2，構建繪畫圖像特征提取器，基于深度卷積神經網絡自動從訓練樣本集中學習精分類特征和粗分類特征，對深度卷積神經網絡進行訓練，獲得繪畫圖像訓練樣本的繪畫圖像特征向量并存儲至繪畫圖像特征數據庫中；

步驟S3，利用構建的繪畫圖像特征提取器提取待檢索繪畫圖像的特征向量；以及

步驟S4，計算待檢索繪畫圖像的特征向量與繪畫圖像特征數據庫中每一個繪畫圖像特征向量之間的距離，基于計算出的距離得到圖像檢索結果。

2.根據權利要求1所述的方法，其特征在于，所述構建繪畫圖像訓練樣本集的步驟包括：

對繪畫作品進行以下中的一種或多種變換來豐富訓練樣本：顏色變換、平移變換、尺度變換以及旋轉/扭曲變換。

3.根據權利要求1所述的方法，其特征在于：

所述精分類特征對應于一幅繪畫作品的紋理特征，所述粗分類特征對應于繪畫作品所屬的畫種或題材內容種類特征。

4.根據權利要求1所述的方法，其特征在于，所述基于深度卷積神經網絡自動從訓練樣本集中學習最具區(qū)分力的精分類特征和粗分類特征的步驟包括：

基于精分類深度卷積神經網絡自動從訓練樣本集中學習精分類特征，得到精分類特征向量；以及

基于粗分類深度卷積神經網絡自動從訓練樣本集中學習粗分類特征，得到粗分類特征向量。

5.根據權利要求4所述的方法，其特征在于，所述獲得繪畫圖像訓練樣本的繪畫圖像特征向量的步驟包括：

繪畫圖像特征提取器將精分類特征向量和粗分類特征向量串聯(lián)后得到繪畫圖像特征向量。

6.根據權利要求1所述的方法，其特征在于：

所述深度卷積神經網絡的神經元采用修正線性單元ReLU函數或雙曲正切函數作為激活函數；

通過反向傳播算法最小化來優(yōu)化深度卷積神經網絡。

7.根據權利要求6所述的方法，其特征在于，所述方法還包括：

利用Dropout技術來防止深度卷積神經網絡模型的過擬合。

8.一種繪畫圖像檢索裝置，該裝置包括存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于：所述處理器執(zhí)行如權利要求1-7中所述的繪畫圖像檢索方法中的步驟。